Sammenligning av seks forskjellige maskinlæringsmetoder med tradisjonell modell for lav anterior reseksjonssyndrom etter minimalt invasiv kirurgi for endetarmskreft -- Utvikling og ekstern validering av et nomogram : En tosenter kohortstudie

Etter grundig screening basert på inklusjons- og eksklusjonskriterier, ble pasienter fra de to store medisinske sentrene delt inn i to kohorter for denne studien. Kohort 1 fungerte primært som trenings- og intern valideringssett, mens Kohort 2 ble brukt til ekstern validering av prediktivmodellen konstruert fra Kohort 1. Vi brukte seks distinkte maskinlæringsmetoder, inkludert DT, RF, XGBOOST, SVM, lightGBM og SHLNN, i tillegg til konvensjonell logistisk regresjon for å lage prediktivmodellen. Vi valgte tilnærmingen med best sensitivitet og spesifisitet ved å sammenligne konkordansindeksen (C-indeks) lik området under ROC-kurven (AUC) av disse syv distinkte modellbyggemetodene. Prediktivmodellen for Kohort 1 ble deretter bygget ved bruk av denne metoden, og intern validering ble fullført. Til slutt gjennomgikk Kohort 2 ekstern validering av prediktivmodellen.