Opracowanie modeli uczenia maszynowego w celu przewidywania pooperacyjnego rozdzielczości objawów GERD po laparoskopowym fundoplikacji Nissena

U pacjentów z chorobą refluksową przełyku (GERD) oporną na leki lub oczekuje się, że wymagają długotrwałego leczenia, przeprowadzono operację antyreflux (ARS), w tym fundoplikację Nissen. GERD jest zwykle diagnozowany jako uszkodzenie błony śluzowej przełyku lub patologiczna ekspozycja na kwas przełyku. Jednak około 35% pacjentów z objawami refluksu żołądkowo -przełyku nie wykazuje nieprawidłowych wyników przełyku przełyku (EGD) i monitorowania pH przełyku. Tymczasem około 10% pacjentów z typowymi objawami GERD i 30-50% pacjentów z atypowymi objawami GERD nie doświadcza poprawy objawów, nawet po poddaniu ARS. Dlatego coraz częściej podkreśla znaczenie przewidywania poprawy objawów po ARS i odpowiednio wyboru kandydatów chirurgicznych.

Chociaż poprzednie badania sugerowały kilka predyktorów, w tym długość dolnego zwieracza przełyku (LES), ciśnienie spoczynkowe LES i czas ekspozycji na bolus, aby przewidzieć rozdzielczość objawów GERD po ARS, brak modelu kompleksowo zintegrował wyniki EGD, monitorowania pH przełyku i manometrii.

Elastyczna regresja netto jest metodą uczenia maszynowego, która wykorzystuje analizę regresji regresji, łącząc karę L1 (LASSO) i L2 (Ridge). Takie podejście sprawia, że ​​model jest stosunkowo solidny przeciwko nadmiernemu dopasowaniu i jest odpowiedni do zestawów danych o niewielkiej wielkości próby, dużej liczbie zmiennych i ciężkiej wielokoliniowości. Technikę nadpróbkowania mniejszości syntetycznej (SMOTE) to metoda, która zwiększa interpretację klasy mniejszości w modelu poprzez nadpróbkowanie danych klasy mniejszości przy użyciu algorytmu K-Nearest sąsiadów (K-NN). Dlatego badanie to ma na celu opracowanie modeli uczenia maszynowego w celu przewidywania pooperacyjnego rozdzielczości objawów refluksu żołądkowo -przełykowego po laparoskopowej fundoplikacji Nissena za pomocą sprężystej regresji netto i SMOTE.

W tym badaniu zostanie uwzględnionych 112 pacjentów, którzy przeszli LNF między lutym 2017 r. Do lutego 2023 r. Przedoperacyjne i pooperacyjne objawy żołądkowo-przełykowe, w tym zgaga i niedomykalność, oceniono za pomocą kwestionariusza jakości życia związanego z GERD-Health (GERD-HRQL) i koreańskiej wersji kwestionariusza GERD. Objawy pooperacyjne oceniono na 1, 3, 6, 9 i 12 miesięcy po operacji. Pacjenci z ponad 70% poprawą objawów podczas ostatniej obserwacji zostaną sklasyfikowani jako grupa rozdzielczości objawów. Opracowano w sumie 21 modeli w celu przewidywania rozdzielczości zgagi, niedomykalności lub nietypowych objawów przy użyciu wyników manometrii, 24-godzinnego monitorowania pH przełyku lub obu, z siedmioma modelami dla każdego objawu. Wszystkie modele będą również zawierać wyniki EGD. Elastyczna regresja netto i metoda SMOTE zostaną zastosowane w celu nadmiernego wypróbowania klasy mniejszości i opracowania modelu. Wydajność modelu zostanie zatwierdzona przy użyciu 5-krotnej walidacji krzyżowej. Oprócz oceny dyskryminacji modelu przeprowadzona zostanie analiza kalibracji w celu oceny, w jaki sposób przewidywane prawdopodobieństwa są zgodne z obserwowanymi wynikami. Wydajność predykcyjna konwencjonalnych predyktorów i możliwych predyktorów, w tym długość LES, ciśnienie spoczynkowe LES i czas ekspozycji bolusa, zostaną porównane z wydajnością modelu nowego modelu.