Modelo de aprendizaje automático para la predicción de transfusiones perioperatorias

Se analizó un conjunto de datos de un estudio multicéntrico que involucró a 6121 pacientes que se sometieron a cirugía mayor electiva. Se excluyeron los datos relativos a los pacientes que recibieron una transfusión de glóbulos rojos inapropiada. Se utilizaron veintiuna características perioperatorias para predecir la transfusión de glóbulos rojos. El conjunto de datos se dividió aleatoriamente en conjuntos de entrenamiento y validación (70-30). Se utilizaron métodos de árbol de decisión, bosque aleatorio, k-vecinos más cercanos, regresión logística y eXtreme garadient boosting (XGBoost) para la predicción. Se comparó el área bajo las curvas (AUC) de las curvas de características operativas del receptor para los modelos de aprendizaje automático utilizados para la predicción de transfusiones de glóbulos rojos.