换一批机器学习模型预测机器人辅助肾部分切除术后肾功能减退
Application of machine learning models in predicting renal function decline following robot-assisted partial nephrectomy
摘要目的:探讨多种机器学习模型预测机器人辅助肾部分切除术(robot-assisted partial nephrectomy,RAPN)后肾功能减退的效能,为临床风险分层提供依据.方法:回顾性纳入2019年1月至2023年12月重庆医科大学附属第一医院泌尿外科733例肾细胞癌(renal cell carcinoma,RCC)行RAPN患者的临床数据,整合人口学特征、实验室指标及围手术期参数,构建7种机器学习模型,采用Shapley加性解释(Shapley additive explanations,SHAP)方法解析关键预测因子,并通过受试者工作特征曲线下面积(receiver operating characteristic curve area under the curve,ROC-AUC)评估模型性能.结果:随机森林模型预测效能最优(AUC=0.84).SHAP分析显示,中性粒细胞/淋巴细胞比值、肿瘤直径、凝血酶原时间国际标准化比值、白细胞计数及术中出血量等因素对术后肾功能减退有明显影响.结论:本研究为临床提供了一种潜在的预测工具,可帮助识别高风险患者并优化术后管理策略.
更多相关知识
关键词
机器人辅助肾部分切除术肾功能减退机器学习模型SHAP分析预测模型术后管理robot-assisted partial nephrectomyrenal function declinemachine learning modelShapley additive explanationpredic-tive modelpostoperative management
分类号
R737.11（泌尿生殖器肿瘤）
DOI
10.13406/j.cnki.cyxb.003799
发布时间
2025-04-29（万方平台首次上网日期，不代表论文的发表时间）
基金项目
重庆市自然科学基金面上资助项目（cstc2021jcyj-msxmX0432）
- 浏览11
- 被引1
- 下载14
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
