换一批基于同步优化改进和可解释性机器学习模型的胃肠道肿瘤手术患者急性术后疼痛预测
Prediction of acute postoperative pain in surgery for gastrointestinal tumor using synchronous optimization and interpretable machine learning models
摘要目的 探讨基于同步优化改进和可解释性机器学习模型在胃肠道肿瘤手术患者急性术后疼痛预测中的价值.方法 回顾性选取2018年8月—2024年8月胃肠道肿瘤术后患者875例为研究对象.收集患者相关资料:患者因素、手术因素以及麻醉因素.构建同步优化机器学习模型,应用改进的大蔗鼠优化算法提高算法性能.将所有数据按8:2随机分为训练集和测试集,采用10折交叉验证进行模型训练.选取逻辑回归、支持向量机及极端梯度提升进行不同模型训练和测试.采用Shapley值分析法对构建的机器学习模型进行可解释性分析并构建可视化系统.结果 改进的大蔗鼠优化算法在标准测试函数上收敛速度、全局最优解的获取能力方面优于其他方法;同步优化机器学习模型在训练集上的F1指数为0.9197,在测试集上的F1指数为0.8990.最终模型筛选出6个与结局相关的特征.结论 同步优化机器学习模型显著提升急性术后疼痛预测效能,其可视化系统能够为个体化镇痛治疗提供依据,具有较好的临床应用价值.
更多相关知识
关键词
同步优化可解释性机器学习胃肠道肿瘤急性术后疼痛预测synchronous optimizationinterpretabilitymachine learninggastrointestinal tumorsacute postoperative painprediction
分类号
R473.6（护理学）
栏目名称
DOI
10.16460/j.issn2097-6569.2025.18.057
发布时间
2025-10-17（万方平台首次上网日期，不代表论文的发表时间）
- 浏览4
- 被引0
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
