Vergelijking van zes verschillende machine learning-methoden met traditioneel model voor laag anterior resectie syndroom na minimaal invasieve chirurgie voor rectumkanker -- Ontwikkeling en externe validatie van een nomogram : Een dubbelcentrum cohortonderzoek

Na grondige screening op basis van inclusie- en exclusiecriteria werden patiënten van de twee omvangrijke medische centra opgesplitst in twee cohorten voor deze studie. Cohort 1 fungeerde voornamelijk als de trainings- en interne validatieset, terwijl Cohort 2 werd gebruikt voor externe validatie van het voorspellende model dat was opgebouwd uit Cohort 1. We gebruikten zes verschillende machine learning methoden, waaronder DT, RF, XGBOOST, SVM, lightGBM en SHLNN, naast conventionele logistische regressie om het voorspellende model te creëren. We kozen de aanpak met de beste gevoeligheid en specificiteit door de concordantie-index (C-index) te vergelijken, vergelijkbaar met de oppervlakte onder de ROC-curve (AUC) van deze zeven verschillende modelbouwmethoden. Het voorspellende model voor Cohort 1 werd vervolgens opgebouwd met deze methode, en interne validatie werd voltooid. Ten slotte onderging Cohort 2 externe validatie van het voorspellende model.