Maskinlæringsforudsigelse af flere infektioner hos ældre kirurgiske patienter
Ældre kirurgiske patienter Multi-infektion forudsigelse: Machine Learning model udvikling og validering med SHAP-analyse
Studieoversigt
Status
Status
Betingelser
Betingelser
Detaljeret beskrivelse
Baggrunde:
Postoperative infektioner er en førende årsag til uønskede perioperative resultater, især for ældre patienter. I betragtning af de varierede diagnostiske præsentationer af infektion er der et betydeligt hul i brugen af prædiktive værktøjer til at identificere dem med høj risiko for at udvikle sådanne komplikationer.
Objektiv:
Vi havde til formål at udvikle maskinlæringsmodeller til at forudsige forskellige postoperative infektionsrisici hos ældre patienter, hvilket letter tidlig opdagelse og intervention.
Metoder:
En retrospektiv analyse blev udført på 42.540 ældre patienter, der gennemgik ikke-hjertekirurgi på First Medical Center på det kinesiske PLA General Hospital mellem januar 2014 og august 2019, og dannede træningssættet. Ud fra dette blev en 30 % undergruppe tilfældigt udpeget som testsættet. Modellerne inkorporerede 51 variabler inklusive vigtige infektionsrelaterede faktorer. Tre maskinlæringsteknikker - logistisk regression (LR), Random Forest (RF) og Gradient Boosting Machines (GBM) - blev brugt til at udvikle prædiktive modeller for overordnede og specifikke postoperative infektioner, kategoriseret i henhold til definitionerne af European Perioperative Clinical Outcome (EPCO) . Modellens ydeevne blev målt ved hjælp af metrikker såsom Area Under the Receiver Operating Characteristic (ROC) Curve (AUC), nøjagtighed og præcision. For at forbedre modelfortolkningen brugte vi RF-modellens Variable Importance (VIMP) og Shapley Additive Explanations (SHAP) algoritme. For en påviselig forudsigelse af specifikke infektionstyper blev data fra tilfældigt udvalgte 5 patienter indført i modellen med de resulterende sandsynligheder afbildet i et radardiagram.
Undersøgelsestype
Undersøgelsestype
Tilmelding (Faktiske)
Tilmelding
Kontakter og lokationer
Studiesteder
-
-
Beijing
-
Beijing, Beijing, Kina, 100853
- Depatment of Anesthesiology, The First Medical Center Affiliation: Chinese PLA General Hospital
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Alder ≥ 65 år;
- Patienter, der gennemgår operationer, der ikke involverer lokalbedøvelse.
Ekskluderingskriterier:
- Patienter, der gennemgår neurokirurgi eller hjertekirurgi;
- Patienter med præoperative infektioner (herunder lungebetændelse, SSI'er, UTI'er og blodbaneinfektioner).
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Maskinlæringsforudsigelse af flere infektioner hos ældre kirurgiske patienter
Tidsramme: Januar 2012 - august 2018
|
Ved at bruge maskinlæringsteknikker udviklede efterforskerne den geriatriske infektionsvurderingsmodel, der udnyttede indenlandske databaser til at forudsige flere postoperative infektioner hos ældre patienter.
|
Januar 2012 - august 2018
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Efterforskere
Efterforskere
- Studiestol: Weidong Mi, Depatment of Anesthesiology, The First Medical Center Affiliation: Chinese PLA General Hospital
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Studiestart
Primær færdiggørelse (Faktiske)
Primær færdiggørelse
Studieafslutning (Faktiske)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- PLAGH-AOC-L03
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .