Desenvolvimento de modelos de aprendizado de máquina para prever a resolução de sintomas de gerda pós -operatória após a fundoplicação laparoscópica de Nissen

Em pacientes com doença do refluxo gastroesofágico (DRGE) refratário a medicamentos ou aqueles que devem exigir tratamento médico a longo prazo, foi realizada cirurgia anti-refluxo (ARS), incluindo a fundoplicação de Nissen. A DRGE é geralmente diagnosticada como dano à mucosa esofágico ou exposição patológica com ácido esofágico. No entanto, cerca de 35% dos pacientes com sintomas de refluxo gastroesofágico não exibem achados anormais sobre esofagogastroduodenoscopia (EGD) e monitoramento de pH esofágico. Enquanto isso, cerca de 10% dos pacientes com sintomas típicos da DRGE e 30-50% daqueles com sintomas atípicos de DRUD não apresentam melhora dos sintomas, mesmo após o subo de ARs. Portanto, a importância de prever a melhora dos sintomas após o ARS e a seleção de candidatos cirúrgicos adequadamente foi enfatizada cada vez mais.

Embora estudos anteriores tenham sugerido vários preditores, incluindo o comprimento do esfíncter esofágico inferior (LES), a pressão de repouso dos LEs e o tempo de exposição a bolus para prever a resolução dos sintomas da gerd após ARS, nenhum modelo integrado de forma abrangente dos resultados da EGD, monitoramento de pH esofágica e manometria.

A regressão líquida elástica é um método de aprendizado de máquina que utiliza as penalidades de regressão regularizada, combinando as penalidades de L1 (LASSO) e L2 (cume). Essa abordagem torna o modelo relativamente robusto contra o excesso de ajuste e é adequado para conjuntos de dados com um pequeno tamanho de amostra, um grande número de variáveis ​​e multicolinearidade grave. A técnica de superamostragem de minorias sintéticas (Smote) é um método que aprimora a interpretabilidade da classe minoritária em um modelo ao amossar dados de classe minoritária usando o algoritmo K-NN (K-NN). Portanto, este estudo tem como objetivo desenvolver modelos de aprendizado de máquina para prever a resolução dos sintomas do refluxo gastroesofágico pós -operatório após a fundoplicação laparoscópica da Nissen usando regressão líquida elástica e derivada.

Um total de 112 pacientes submetidos ao LNF entre fevereiro de 2017 e fevereiro de 2023 será incluído neste estudo. Os sintomas gastroesofágicos pré e pós-operatórios, incluindo azia e regurgitação, foram avaliados usando o questionário de qualidade de vida relacionado à saúde à saúde (GRERD-HRQL) e à versão coreana do questionário da gerd. Os sintomas pós -operatórios foram avaliados em 1, 3, 6, 9 e 12 meses após a cirurgia. Pacientes com mais de 70% de melhora nos sintomas no último acompanhamento serão classificados como o grupo de resolução de sintomas. Um total de 21 modelos será desenvolvido para prever a resolução de azia, regurgitação ou sintomas atípicos usando os resultados da manometria, monitoramento de pH esofágica de 24 horas, ou ambos, com sete modelos para cada sintoma. Todos os modelos também incorporarão os resultados do EGD. A regressão líquida elástica e o método de Smote serão aplicados para amossar a classe minoritária e desenvolver o modelo. O desempenho do modelo será validado usando validação cruzada de 5 vezes. Além de avaliar a discriminação do modelo, a análise de calibração será realizada para avaliar o quão bem as probabilidades previstas se alinham aos resultados observados. O desempenho preditivo de preditores convencionais e possíveis preditores, incluindo o comprimento do LES, a pressão de repouso do LES e o tempo de exposição a bolus, será comparado com o desempenho do modelo do novo modelo.