Utvikling av maskinlæringsmodeller for å forutsi postoperativ GERD -symptomoppløsning etter laparoskopisk Nissen Fundoplication

Hos pasienter med gastroøsofageal reflukssykdom (GERD) ildfast med medisiner eller de som forventes å kreve langvarig medisinsk behandling, har antireflux kirurgi (ARS), inkludert Nissen Fundoplication, blitt utført. GERD blir vanligvis diagnostisert som spiserørsklihoseskade eller patologisk esophageal syreeksponering. Omtrent 35% av pasientene med gastroøsofageale reflukssymptomer viser imidlertid ikke unormale funn på spiserørt av esophagogastroduodenoskopi (EGD) og esophageal pH -overvåking. I mellomtiden opplever ikke omtrent 10% av pasientene med typiske GERD-symptomer og 30-50% av de med atypiske GERD-symptomer symptomforbedring selv etter å ha gjennomgått ARS. Derfor har viktigheten av å forutsi symptomforbedring etter ARS og valg av kirurgiske kandidater på riktig måte blitt i økende grad understreket.

Selv om tidligere studier har antydet flere prediktorer-inkludert lengden på den nedre spiserøret sfinkter (LES), hviletrykk fra LES og boluseksponering tid for å forutsi GERD-symptomoppløsning etter ARS, integrerte ingen modell omfattende resultatene av EGD, spiserøret PH-overvåking og manometri.

Elastisk nettregresjon er en maskinlæringsmetode som benytter regresjonsanalyse, og kombinerer L1 (LASSO) og L2 (Ridge) straffer. Denne tilnærmingen gjør modellen relativt robust mot overmontering og er egnet for datasett med en liten prøvestørrelse, et stort antall variabler og alvorlig multikollinearitet. Syntetisk minoritetsoversprengingsteknikk (SMOTE) er en metode som forbedrer tolkbarheten til minoritetsklassen i en modell ved å overspamme minoritetsklassedata ved bruk av K-Nærest naboer (K-NN) algoritme. Derfor har denne studien som mål å utvikle maskinlæringsmodeller for å forutsi postoperativ gastroøsofageal refluks symptomoppløsning etter laparoskopisk nissen fundoplication ved bruk av elastisk nettregresjon og smalt.

Totalt 112 pasienter som gjennomgikk LNF mellom februar 2017 til februar 2023, vil bli inkludert i denne studien. Preoperative og postoperative gastroøsofageale symptomer, inkludert halsbrann og oppstøt, ble evaluert ved bruk av GERD-Health-relatert livskvalitet (GERD-HRQL) og den koreanske versjonen av GERD-spørreskjemaet. Postoperative symptomer ble vurdert 1, 3, 6, 9 og 12 måneder etter operasjonen. Pasienter med mer enn 70% forbedring av symptomer ved siste oppfølging vil bli klassifisert som symptomoppløsningsgruppen. Totalt 21 modeller vil bli utviklet for å forutsi oppløsningen av halsbrann, oppstøt eller atypiske symptomer ved bruk av resultatene av manometri, 24-timers esophageal pH-overvåking, eller begge deler, med syv modeller for hvert symptom. Alle modeller vil også innlemme resultatene fra EGD. Elastisk nettregresjon og SMOTE -metoden vil bli brukt for å overgå minoritetsklassen og utvikle modellen. Modellytelse vil bli validert ved hjelp av 5 ganger kryssvalidering. I tillegg til å vurdere modelldiskriminering, vil kalibreringsanalyse bli utført for å evaluere hvor godt de forutsagte sannsynlighetene stemmer overens med observerte utfall. Den prediktive ytelsen til konvensjonelle prediktorer og mulige prediktorer, inkludert lengden på LES, hviletrykk på LES og Bolus -eksponeringstid, vil bli sammenlignet med modellytelsen til romanmodellen.