机器学习在评估手术期间的血液损失:一个系统的审查和元分析
Wenlin Zhou1,2, Linglin Pan3, Xinmei Pan4
1Department of Nursing, The International Peace Maternity and Child Health Hospital, School of Medicine, Shanghai Jiao Tong University, Shanghai, China.
International nursing review
|February 28, 2026
概括
机器学习模型准确地评估手术期间的血液损失,优于传统方法. 这项技术可以通过提高手术环境中的血液损失估计来提高患者安全.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
- 外科手术的安全性
背景情况:
- 手术期间出血是手术死亡的一个重要原因.
- 准确的血液损失评估对于预防不良结果至关重要.
- 测量流血的现有方法有其局限性.
研究的目的:
- 评估机器学习 (ML) 模型在评估手术内流血损失方面的有效性.
- 将基于ML的血液损失评估与当前的黄金标准进行比较.
- 确定ML在改善手术患者治疗结果方面的价值.
主要方法:
- 对相关研究进行系统审查和元分析.
- 在主要数据库 (Web of Science,PubMed,Embase,Cochrane Library,CINAHL) 进行全面的文献搜索,截至2025年8月18日.
- 在ML模型和黄金标准方法之间对相关系数的聚合分析.
主要成果:
- 十二项研究符合元分析的纳入标准.
- 在ML模型和血液损失评估的黄金标准之间观察到高的聚合相关系数.
- 机器学习模型显示出显著的准确性和可靠性.
结论:
- 机器学习模型显示在手术期间输血评估的高准确性和可靠性.
- 临床实施ML模型可以提高血液损失估计的准确性,可能降低外科手术期间的风险.
- 机器学习为护理人员提供了一个有前途的工具,以优化决策和提高患者安全.
