복강경 nissen 기초 후 수술 후 GERD 증상 해결을 예측하기위한 기계 학습 모델의 개발

위식도 역류 질환 (GERD)이 약물에 불응 성 또는 장기 치료가 필요할 것으로 예상되는 환자에서, Nissen Fundoplication을 포함한 항발 수술 (ARS)이 수행되었습니다. GERD는 일반적으로 식도 점막 손상 또는 병리학 적 식도 노출로 진단됩니다. 그러나, 위식도 역류 증상이있는 환자의 약 35%는 식도 병교 전염병 (EGD) 및 식도 pH 모니터링에서 비정상적인 소견을 보이지 않습니다. 한편, 전형적인 GERD 증상이있는 환자의 약 10%와 비정형 GERD 증상이있는 환자의 30-50%는 ARS를 겪은 후에도 증상 개선을 경험하지 않습니다. 따라서 ARS 후 증상 개선을 예측하고 수술 후보자를 적절하게 선택하는 것의 중요성이 점점 더 강조되고 있습니다.

이전의 연구에서는 하부 식도 괄약근 (LES)의 길이, LES의 휴식 압력 및 ARS 후 GERD 증상 분해능을 예측하는 Bolus 노출 시간을 포함하여 몇 가지 예측 변수를 제안했지만, EGD, 식도 PH 모니터링 및 관리의 결과를 종합적으로 통합하지 않았습니다.

Elastic Net Regression은 L1 (LASSO)과 L2 (Ridge) 처벌을 결합한 정규화 회귀 분석을 활용하는 기계 학습 방법입니다. 이 접근법은 모델이 과적으로 과적으로 비교적 강력하게 만들고 작은 샘플 크기, 많은 변수 및 심각한 다중 공선 성을 가진 데이터 세트에 적합합니다. SMOTE (Synthetic Minority Adverampling Technique)는 K-NN (K-NEARST Neighbors) 알고리즘을 사용하여 소수 클래스 데이터를 오버 샘플링하여 모델에서 소수 클래스의 해석 가능성을 향상시키는 방법입니다. 따라서,이 연구는 탄성 순 회귀 및 Smote를 사용하여 복강경 nissen 고전 후 수술 후 위식도 역류 증상 분해능을 예측하기 위해 기계 학습 모델을 개발하는 것을 목표로합니다.

2017 년 2 월부터 2023 년 2 월 사이에 LNF를받은 총 112 명의 환자 가이 연구에 포함될 것입니다. 가슴 앓이 및 역류를 포함한 수술 전 및 수술 후 위식도 증상은 GERD-Health 관련 삶의 질 (GERD-HRQL) 설문지와 GERD 설문지의 한국 버전을 사용하여 평가되었습니다. 수술 후 증상은 수술 후 1, 3, 6, 9 및 12 개월에 평가되었습니다. 마지막 추적 관찰에서 증상이 70% 이상 개선 된 환자는 증상 분해능 그룹으로 분류됩니다. 각 증상에 대해 7 개의 모델을 사용하여 고상, 역류 또는 비정형 증상의 분해능을 예측하기 위해 총 21 개의 모델이 개발 될 것입니다. 모든 모델은 또한 EGD의 결과를 통합합니다. 탄성 순 회귀 및 Smote 방법은 소수 클래스를 초과로 표본화하고 모델을 개발하기 위해 적용됩니다. 모델 성능은 5 배 교차 검증을 사용하여 검증됩니다. 모델 차별을 평가하는 것 외에도, 예측 된 확률이 관찰 된 결과와 얼마나 잘 일치하는지 평가하기 위해 교정 분석이 수행 될 것입니다. LE의 길이, LES의 휴식 압력 및 볼 루스 노출 시간을 포함하여 기존 예측 변수 및 가능한 예측 변수의 예측 성능은 새로운 모델의 모델 성능과 비교됩니다.