开发和验证一个预测模型的手术部位感染在开放的手部伤害的预测模型
Xingguo Nie1, Guodong Wang2, Yiwen Ba1
1Department of Orthopedics, The First Affiliated Hospital of Henan Medical University, Weihui, Henan, People's Republic of China.
Infection and drug resistance
|March 16, 2026
概括
机器学习模型可以预测手部受伤的手术部位感染 (SSI). 一个随机的森林模型表现出强的表现,识别了关键的风险因素,如年龄和糖尿病,以获得更好的患者结果.
科学领域:
- 整形外科手术 整形外科手术
- 传染病流行病学 传染病流行病学
- 计算生物学 计算生物学
背景情况:
- 手术部位感染 (SSI) 是开放手部受伤的一个重要并发症.
- 目前对SSI的风险评估方法缺乏准确性和通用性.
- 需要客观的评估来改善患者的治疗结果.
研究的目的:
- 开发和验证机器学习 (ML) 模型,以预测手部开放损伤中的SSI.
- 比较SSI预测的各种ML算法的性能.
- 确定SSI风险分层的关键临床指标.
主要方法:
- 追溯分析800名患有开放手部伤害的患者.
- 开发和比较八个ML算法,包括随机森林.
- 使用独立队列和AUC等性能指标进行内部和外部验证.
主要成果:
- 随机森林模型实现了最高的预测性能 (AUC 0.849-0.903).
- 确定的主要预测因素包括年龄,吸烟,糖尿病,手术时间,伤口污染和负压排水.
- 莎普利添加剂解释 (SHAP) 为已识别的风险因素提供了可解释性.
结论:
- 随机森林模型证明了SSI在开放式手伤害中的强大预测能力和概括性.
- 这种ML模型可以作为临床决策支持工具,用于早期风险分层.
- 基于预测风险的个性化干预措施可能会降低发病率并改善结果.
