Características pré-operatórias para previsão de insuficiência supraglótica das vias aéreas usando aprendizado de máquina (ERICA) (ERICA)

Uma mudança intraoperatória de procedimento não só leva a atrasos, mas também a atrasos, mas também envolve medidas estressantes para o paciente, como aprofundar a anestesia e manipular novamente as vias aéreas.

Portanto, o objetivo do ERICA é desenvolver um algoritmo de aprendizado de máquina baseado em informações pré-operatórias 1) que possa prever com precisão o risco de uma conversão não planejada de PIG e 2) identificar características que levam à conversão de PIG em tubo traqueal.

I. Desenvolvendo o modelo

• O conjunto de dados final será dividido em uma coorte de treinamento, teste e validação. Cinco modelos serão criados para prever a conversão intraoperatória de SGA para tubo traqueal, incluindo modelos lineares generalizados (GLM), aprendizagem profunda, floresta aleatória distribuída (DRF), xgboost e máquina de aumento de gradiente (GBM). Então, um modelo de conjunto empilhado será construído através da combinação dos cinco modelos. Por fim, será escolhido o melhor modelo de inteligência artificial.

II. Identifique as características que levam à conversão e categorização das vias aéreas.

• Mudanças intraoperatórias da posição do paciente podem alterar o risco de conversão, portanto operações com mudanças de posição devem ser consideradas
• Identifique as características dependentes do paciente e do procedimento que levam à conversão de SGA para tubo traqueal e sua importância.