Comparação de Seis Diferentes Métodos de Aprendizagem Automática com o Modelo Tradicional para a Síndrome de Ressecção Anterior Baixa Após Cirurgia Minimamente Invasiva para Cancro Retal -- Desenvolvimento e Validação Externa de um Nomograma : Um Estudo de Coorte de Dois Centros

Após uma triagem minuciosa baseada nos critérios de inclusão e exclusão, os pacientes dos dois grandes centros médicos foram divididos em duas coortes para este estudo. A coorte 1 serviu principalmente como conjunto de treino e validação interna, enquanto a coorte 2 foi utilizada para validação externa do modelo preditivo construído a partir da coorte 1. Utilizámos seis métodos distintos de aprendizagem automática, incluindo DT, RF, XGBOOST, SVM, lightGBM e SHLNN, além da regressão logística convencional, para criar o modelo preditivo. Escolhemos a abordagem com melhor sensibilidade e especificidade, comparando o índice de concordância (C-index), semelhante à área sob a curva ROC (AUC) destes sete métodos distintos de construção de modelos. O modelo preditivo para a coorte 1 foi então construído utilizando este método, e a validação interna foi concluída. Por fim, a coorte 2 foi submetida a uma validação externa do modelo preditivo.