形成外科における合併症予防のためのAIリスク評価モデル（人工知能） (AI)

研究デザインと手順:

この観察研究の目的は、AI ベースのリスク評価モデルが、意思決定を改善し、危険因子に対処するための推奨事項を提供し、医師が選択的手術の適切な時期と設定を選択するのを支援することにより、形成外科患者の合併症の予防に役立つかどうかを判断することです。形成外科。

方法論:

この研究は2021年1月から2024年5月まで実施され、3,347人の患者が単独診療環境でAIリスク評価モデルを使用して評価された。 このモデルは、アルゴリズムを使用して臨床データと患者履歴を評価し、リスク スコアを計算し、リスク要因を強調表示し、個別の推奨事項を生成します。

患者の評価:

データ収集: 参加者は、BMI、年齢、カプリニスコア、喫煙習慣、性別などのさまざまな臨床因子に関するデータを収集するオンラインフォームに記入します。

リスク計算: このアルゴリズムは、身体醜形障害アンケート (BDDQ) を使用して、リスク スコアを計算し、異常値にフラグを立て、身体醜形障害 (BDD) をスクリーニングします。

リスクの分類: 患者は、リスク スコアに基づいて、低リスク、中リスク、または高リスクのグループに分類されます。

パーソナライズされた推奨事項: このモデルは、リスク評価に基づいて各患者に対して次のような具体的な推奨事項を生成します。

体重管理: BMI ≧ 25.1 の患者に対する目標体重の推奨事項。 禁煙: 喫煙する患者への禁煙のアドバイス。 血圧管理: 高血圧患者には、血圧を毎日監視し、心臓専門医に相談することをお勧めします。

深部静脈血栓症 (DVT) および静脈瘤: DVT、凝固障害、静脈瘤、またはカプリニ スコア ≥ 8 の患者には、手術の 24 ～ 72 時間前に下肢のドップラー超音波検査を提案します。

併存疾患: 高血圧または血管病理学的先行疾患のある 50 歳以上の患者に対する心エコー検査と負荷試験の推奨。

栄養指導: BMI ≤ 25.1 の患者には、栄養士に相談し、精神科の診察を受けながら摂食障害のスクリーニングを受けるようアドバイスします。

専門医の紹介: 併存疾患の所見に応じて、内分泌専門医、肥満外科医、心臓専門医、血液専門医、またはその他の専門家への相談の提案、およびBDDスクリーニングに応じた精神科の紹介。

データ管理：

参加者から収集されたデータは匿名化され、患者のプライバシーと機密性を保護するために安全に保管されます。 データ管理プロセスには次のものが含まれます。

機密データの匿名化: 参加者の身元が確実に保護されるように、個人を特定できる情報 (PII) はすべて削除またはマスクされます。 機密性を維持するため、分析には匿名化されたデータが使用されます。

品質保証計画: データの整合性を確保するための、サイトの監視と監査を含む定期的なデータ検証とレジストリ手順。

データ チェック: データ フィールドの一貫性チェックと範囲の事前定義ルール。 ソース データの検証: レジストリ データと医療記録などの外部ソースを比較して、正確性と完全性を評価します。

データ ディクショナリ: ソース、コーディング、正常範囲など、各変数の詳細な説明。

標準操作手順 (SOP): 患者の募集、データ収集、管理、分析、有害事象の報告、および変更管理の手順。

統計分析：

統計分析と推論分析は、堅牢性と再現性を確保するために Colab ノートブックを使用して実行されました。 主要評価項目は、各リスクグループにおける合併症の発生率でした。 副次的結果の測定には、危険因子と合併症の間の相関関係が含まれていました。

サンプルサイズの評価:

サンプル サイズは、リスク グループ間の合併症率の違いを検出するのに十分な検出力を確保するために決定されました。

欠落データに対する計画:

補完技術や感度分析など、欠損データに対処するための手順が整備されていました。

統計分析計画:

分析計画には、危険因子と合併症の関係を評価するための記述統計、相関分析、回帰モデルが含まれていました。