Предоперационные характеристики для прогнозирования недостаточности надгортанных дыхательных путей с использованием машинного обучения (ERICA) (ERICA)

Интраоперационное изменение процедуры приводит не только к временным задержкам, но и к временным задержкам, но также включает в себя меры, вызывающие стресс у пациента, такие как углубление анестезии и повторное манипулирование дыхательными путями.

Таким образом, целью ERICA является разработка алгоритма машинного обучения, основанного на предоперационной информации: 1) который может точно предсказать риск незапланированной конверсии SGA и 2) определить характеристики, ведущие к переходу с SGA на эндотрахеальную трубку.

I. Разработка модели

• Окончательный набор данных будет разделен на когорту обучения, тестирования и проверки. Будет создано пять моделей для прогнозирования интраоперационного перехода от SGA к эндотрахеальной трубке, включая обобщенные линейные модели (GLM), глубокое обучение, распределенный случайный лес (DRF), xgboost и машину повышения градиента (GBM). Затем путем объединения пяти моделей будет построена составная модель ансамбля. Наконец, будет выбрана лучшая модель искусственного интеллекта.

II. Определить характеристики, ведущие к конверсии и категоризации дыхательных путей.

• Интраоперационные изменения положения пациента могут изменить риск конверсии, поэтому следует рассмотреть возможность проведения операций с изменением положения.
• Определите характеристики, зависящие от пациента и процедуры, которые приводят к переходу от SGA к эндотрахеальной трубке, и их важность.