换一批基于机器学习算法的成人术中低体温预测模型的范围综述
Machine learning-based prediction models for intraoperative hypothermia risk in adults:a scoping review
摘要目的 对基于机器学习算法构建成人术中低体温预测模型的相关研究进行范围综述,为优化术中低体温管理提供参考.方法 依据范围界定审查指南,系统检索Embase、Web of Science、CINAHL、Cochrane Library、Elsevier ScienceDirect、Scopus、PubMed、IEEE Electronic Library、中国知网、中国生物医学文献数据库、万方数据库、维普数据库中的相关研究,检索时限为建库至2025年9月26日,对纳入文献进行归纳和分析.结果 共纳入15篇文献,共42个预测模型,模型受试者工作特征曲线下面积为0.717～0.974,平均值为0.830.数据的质量有待提高.常用机器学习算法包括随机森林、XGBoost、Logistic回归、决策树及支持向量机等.常见预测因子为麻醉时间、手术时间、术中输液量、BMI、基础体温、手术室温度和年龄.研究仅进行内部验证,缺乏外部验证;仅少数研究进行了超参数优化或可解释性分析.结论 近5年来基于机器学习算法成人术中低体温预测模型数量快速增长,机器学习在术中低体温预测中展现出良好潜力,尤其以树模型(如随机森林、XGBoost)性能较优.未来,应提高数据质量、推进多中心、前瞻性研究,采用超参数调优方法,加强外部验证,引入可解释人工智能技术,促进模型解释及临床转化,并评估其成本效益与临床效用,以实现精准的体温管理.
更多相关知识
关键词
机器学习算法术中低体温护理预测模型范围综述Machine Learning AlgorithmsIntraoperative HypothermiaNursing CarePrediction ModelScoping Review
栏目名称
DOI
10.3761/j.issn.0254-1769.2026.06.017
发布时间
2026-04-24（万方平台首次上网日期，不代表论文的发表时间）
- 浏览14
- 被引0
- 下载21
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
