高齢の手術患者における多発性感染症の機械学習予測

背景:

術後感染は、特に高齢の患者にとって、周術期の有害な転帰の主な原因です。 感染症の診断結果が多様であることを考慮すると、そのような合併症を発症するリスクが高い人を特定するための予測ツールの使用には大きなギャップがあります。

客観的：

私たちは、高齢患者のさまざまな術後感染リスクを予測し、早期発見と介入を促進するための機械学習モデルを開発することを目的としました。

方法:

2014年1月から2019年8月までに中国人民解放軍総合病院の第一医療センターで非心臓手術を受けた高齢患者4万2540人を対象に、トレーニングセットを構成する遡及的分析が実施された。 これから、30% のサブセットがテスト セットとしてランダムに指定されました。 モデルには、主要な感染関連要因を含む 51 の変数が組み込まれています。 ロジスティック回帰 (LR)、ランダム フォレスト (RF)、および勾配ブースティング マシン (GBM) の 3 つの機械学習技術を利用して、欧州周術期臨床結果 (EPCO) の定義に従って分類された、全体的および特定の術後感染の予測モデルを開発しました。 。 モデルのパフォーマンスは、受信者動作特性 (ROC) 曲線下面積 (AUC)、精度、精度などの指標によって評価されました。 モデルの解釈可能性を高めるために、RF モデルの Variable Importance (VIMP) および Shapley Additive Explains (SHAP) アルゴリズムを採用しました。 特定の感染タイプを実証的に予測するために、ランダムに選択された 5 人の患者のデータがモデルに入力され、結果として得られる確率がレーダー チャートに示されました。