机器学习模型用于预测术后心血管手术的老年患者在医院获得的功能衰退
Ryotaro Hiramatsu1, Shinsuke Imaoka2, Shohei Minata1
1Department of Rehabilitation, Oita Oka Hospital, Oita 870-0192, Japan.
World journal of clinical cases
|February 16, 2026
概括
医院获得的功能衰退 (HAFD) 在心脏手术后常见于老年人. 一个新的机器学习模型准确地预测HAFD,确定女性性别和较慢的步行速度作为关键风险因素.
科学领域:
- 老年医学 老年医学
- 心血管外科心血管外科
- 医疗保健中的人工智能
背景情况:
- 医院获得的功能衰退 (HAFD) 显著恶化了心血管手术后老年患者的结果.
- 确定HAFD的预测因子对于改善患者护理和康复至关重要.
研究的目的:
- 在接受心血管手术的老年人中开发和验证HAFD的预测模型.
- 确定与HAFD发生相关的特定因素.
主要方法:
- 这是一项对144名接受心血管手术的患者的回顾性观察研究 (2019年5月 - 2023年12月).
- 从手术前到退院前,HAFD是由短物理性能电池 (SPPB) 评分的变化定义的.
- 评估了七个机器学习模型,其性能由曲线下的面积 (AUC) 评估,并使用夏普利增量扩展 (SHAP) 解释.
主要成果:
- 28.5%的患者 (41/144) 经历了HAFD.
- 极端梯度增强 (XGBoost) 模型表现出最高的预测准确度,AUC为0.87.
- SHAP分析发现女性性别和手术前步行速度较慢是导致HAFD的重要因素.
结论:
- 成功开发了一种高度准确的机器学习模型,用于预测老年心血管手术患者的HAFD.
- 确定了包括性别和步行速度在内的关键预测因素,为有针对性的手术前评估和干预提供了见解.
