机器学习对心脏外科手术术后痴呆症的预测价值:系统审查和元分析

科学领域:

• 心脏病学 心脏病学
• 医疗信息学 医疗信息学
• 数据科学数据科学数据科学

背景情况:

• 手术后妄 (POD) 是心脏手术后的一种严重并发症.
• 早期识别POD风险至关重要,但在临床实践中具有挑战性.
• 目前用于POD预测的机器学习 (ML) 工具需要进一步验证.

研究的目的:

• 评估ML在确定心脏手术患者POD风险方面的表现.
• 为开发和更新基于ML的POD评估工具提供证据.
• 综合目前关于ML的证据,用于心脏外科手术中的POD预测.

主要方法:

• 在PubMed,Cochrane图书馆,Embase和科学网上进行全面的文献搜索.
• 包括调查个人POD风险预测的ML和nomograms的研究.
• 使用预测模型偏差风险评估工具评估偏差风险.
• 根据数据集,验证方法,研究类型,偏差风险和模型类型进行了子组分析.

主要成果:

• 对28项涉及80,143名患者的研究进行了分析;6326人患有POD.
• 在验证数据集中,ML模型实现了0.805的c指数,0.72的灵敏度和0.78的特异性.
• 物流回归是主要的建模方法,验证指标包括c指数为0.773,灵敏度为0.73,特异性为0.70.

结论:

• 基于ML的预测工具显示了心脏手术后POD的有希望的表现.
• 有限的研究和验证方法需要谨慎的解释.
• 未来的多中心研究对于强大的ML工具,精确的风险分层和有针对性的POD预防至关重要.