换一批基于机器学习的老年全身麻醉颈椎术后谵妄发生风险模型的构建与验证
Construction and Validation of a Risk Model for Postoperative Delirium in Elderly Patients Undergoing Cervical Spine Surgery Under General Anesthesia Based on Machine Learning
摘要目的 构建并筛选出评估效能最佳的老年全身麻醉颈椎术后谵妄发生风险模型,为临床干预提供依据.方法 2021年5月至2023年10月,采用便利抽样法选取某院老年全身麻醉颈椎术后患者323例为训练集,将同期另一所医院的同类患者233例为验证集.根据术后3 d是否发生谵妄,将其分为谵妄组和非谵妄组.采用单因素及二元Logistic回归分析确定术后危险因素,采用列线图、决策树CART、随机森林构建风险模型,通过受试者工作曲线(receiver operator characteristic,ROC)分析不同模型的评估效能.结果 单因素分析及二元Logistic回归分析确定,术中输血、术后脑脊液渗漏、糖尿病、手术时长等均为老年全身麻醉颈椎术后谵妄发生的危险因素(均P＜0.05),据此建立列线图模型.决策树CART模型分析显示年龄为根节点,手术时长、糖尿病、术中输血等为子节点.随机森林模型筛选出年龄、手术时长、术中输血、糖尿病等7个重要变量.在训练集和验证集,列线图模型、决策树CART模型、随机森林模型评估的曲线下面积分别为0.888和0.895、0.874和0.884、0.911和0.911,随机森林模型与决策树CART模型的差异均有统计学意义(均P＜0.05).结论 三种模型对老年全身麻醉颈椎术后谵妄均有评估价值,随机森林模型效能最优.
更多相关知识
关键词
全身麻醉颈椎术后谵妄列线图决策树CART随机森林cervical general anesthesiadeliriumnomogramdecision tree CARTrandom forest
栏目名称
DOI
10.3969/j.issn.2097-1826.2025.02.015
发布时间
2025-03-20（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览56
- 被引3
- 下载81
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
