Comparaison de six méthodes d'apprentissage automatique différentes avec le modèle traditionnel pour le syndrome de résection antérieure basse après chirurgie mini-invasive pour cancer rectal -- Développement et validation externe d'un nomogramme : Une étude de cohorte bicentrique

Après un dépistage approfondi basé sur les critères d'inclusion et d'exclusion, les patients des deux grands centres médicaux ont été répartis en deux cohortes pour cette étude. La cohorte 1 a principalement servi d'ensemble d'entraînement et de validation interne, tandis que la cohorte 2 a été utilisée pour la validation externe du modèle prédictif construit à partir de la cohorte 1. Nous avons utilisé six méthodes d'apprentissage automatique distinctes, y compris DT, RF, XGBOOST, SVM, lightGBM et SHLNN, en plus de la régression logistique conventionnelle pour créer le modèle prédictif. Nous avons choisi l'approche avec la meilleure sensibilité et spécificité en comparant l'indice de concordance (C-index) similaire à l'aire sous la courbe ROC (AUC) de ces sept méthodes distinctes de construction de modèles. Le modèle prédictif pour la cohorte 1 a ensuite été construit en utilisant cette méthode, et la validation interne a été terminée. Enfin, la cohorte 2 a subi une validation externe du modèle prédictif