Confronto di Sei Differenti Metodi di Apprendimento Automatico con il Modello Tradizionale per la Sindrome da Resezione Anteriore Bassa dopo Chirurgia Mininvasiva per Cancro del Retto -- Sviluppo e Validazione Esterna di un Nomogramma : Uno Studio di Coorte Bicentrico

Dopo un accurato screening basato sui criteri di inclusione ed esclusione, i pazienti dei due grandi centri medici sono stati suddivisi in due coorti per questo studio. La coorte 1 è servita principalmente come set di addestramento e validazione interna, mentre la coorte 2 è stata utilizzata per la validazione esterna del modello predittivo costruito dalla coorte 1. Abbiamo utilizzato sei distinti metodi di apprendimento automatico, inclusi DT, RF, XGBOOST, SVM, lightGBM e SHLNN, oltre alla regressione logistica convenzionale per creare il modello predittivo. Abbiamo scelto l'approccio con la migliore sensibilità e specificità confrontando l'indice di concordanza (C-index) simile all'area sotto la curva ROC (AUC) di questi sette distinti metodi di costruzione del modello. Il modello predittivo per la coorte 1 è stato quindi costruito utilizzando questo metodo, e la validazione interna è stata completata. Infine, la coorte 2 ha subito la validazione esterna del modello predittivo.