换一批基于机器学习算法预测全膝关节置换后是否需要输血的可能性
Predicting the possibility of blood transfusion after total knee arthroplasty based on machine learning algorithm
摘要背景:为了维持全膝关节置换患者的血液动力学稳定,有必要进行输血,但这常伴随着不良反应的发生.通过研究全膝关节置换后输血的危险因素可以帮助确定哪些患者需要进行输血治疗,有利于术前评估及临床决策.目的:该研究基于机器学习算法建立预测模型,探讨其对预测全膝关节置换后是否需要输血的预测价值.方法:回顾性分析广州市番禺区中医院2012年1月至2019年12月的全膝关节置换后患者的临床资料,根据术后是否进行输血,将患者分为未输血组和输血组.比较两组患者性别、年龄、体质量指数、术前血红蛋白水平、ASA麻醉评分、麻醉方式、手术时长、手术类型、吸烟史、既往病史、有无使用胰岛素等临床数据,将上述潜在影响因素分别导入逻辑回归、支持向量机、随机森林和极限梯度提升算法建立4种预测模型,获得预测变量重要性和绘制受试者工作曲线,检验模型的预测价值.结果 与结论:①共收集634例患者资料,其中包括未输血的患者527例和需要输血的患者107例;②结合4个模型,预测重要性评分排名前5位血红蛋白、年龄、手术时长、体质量指数和手术类型为相关性最高的前5位变量;②逻辑回归、支持向量机、随机森林和极限梯度提升算法曲线下面积分别为0.816,0.864,0.773和0.888,通过比较,极限梯度提升算法的表现最佳;③上述数据证实,基于极限梯度提升算法建立的机器学习模型可准确预测全膝关节置换后患者是否有需要输血的可能性,有利于术前评估及临床决策,血红蛋白、年龄、手术时长、体质量指数和手术类型可能是影响全膝关节置换后患者是否需要输血的预测因素.
更多相关知识
- 浏览207
- 被引7
- 下载141
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
