换一批麻醉恢复室内多种并发症的可解释多标签分类预测模型
Interpretable multi-label classification prediction model for multiple complications in the post-anesthesia care unit
摘要目的 探讨麻醉恢复室内多种并发症的发生情况及其相关风险因素,构建并验证可解释的多标签分类预测模型.方法 选择2023年11月至2024年10月择期全身麻醉下手术后转入麻醉恢复室的患者10 313例,男5 416例,女4 897例,年龄≥18岁,按7∶3比例随机划分为训练集(n=7 220)和验证集(n=3 093).持续监测和评估患者是否发生呼吸系统不良事件、低体温、血流动力学不稳定、恶心/呕吐、躁动/谵妄、疼痛及非疼痛症状7类麻醉恢复室常见并发症.采用多标签分类学习技术在训练集中构建二进制相关性、分类器链、集成分类器链和多标签k近邻4种预测模型,并在验证集中通过汉明损失、准确度、精确度、召回率和F1分数评估模型性能.通过Shapley加法解释对表现最佳的模型进行全局和局部的可解释性分析.结果 有4 854例(47.1％)患者至少发生一种并发症,2 723例(26.4％)患者同时出现两种或以上并发症.年龄≥65岁、女性、BMI≥28 kg/m2、麻醉时间≥4 h及术后镇痛是预测麻醉恢复室并发症的5个关键特征.分类器链模型表现最佳,汉明损失为0.119、准确度为0.881、精确度为0.888、召回率为0.987以及F1分数为0.934.结论 结合可解释性方法的多标签分类模型能够有效预测麻醉恢复室内并发症,并揭示各并发症的特定风险因素,为术后早期并发症的综合管理提供可预测、可操作的方法.
更多相关知识
关键词
麻醉恢复室多标签分类可解释性风险因素联合预测Post-anesthesia care unitMulti-label classificationInterpretabilityRisk factorsJoint prediction
栏目名称
DOI
10.12089/jca.2025.08.001
发布时间
2025-09-08（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26
- 被引0
- 下载22
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
