Разработка моделей машинного обучения для прогнозирования послеоперационного разрешения симптомов ГЭРБ после лапароскопического фудопликации Ниссена

У пациентов с гастроэзофагеальным рефлюксным заболеванием (GERD) рефрактерность лекарств или пациентов, которые, как ожидается, потребуют долгосрочного лечения, было выполнено антирефруктическое хирургическое вмешательство (ARS), включая фундопликацию Nissen. ГЭРБ обычно диагностируется как повреждение слизистой оболочки пищевода или патологическое воздействие пищевода. Тем не менее, около 35% пациентов с гастроэзофагеальными симптомами рефлюкса не показывают аномальных результатов по пищеводастродуоденоскопии (EGD) и мониторингу рН пищевода. Между тем, около 10% пациентов с типичными симптомами ГЭРБ и 30-50% пациентов с атипичными симптомами ГЭРБ не испытывают улучшения симптомов даже после прохождения ARS. Следовательно, важность прогнозирования улучшения симптомов после ARS и надлежащего выбора хирургических кандидатов все чаще подчеркивается.

Хотя в предыдущих исследованиях было предложено несколько предикторов, в том числе длину нижнего сфинктера пищевода (LES), давление покоя LES и болюсное воздействие, чтобы предсказать разрешение симптомов GERD после ARS, модель не интегрировала результаты EGD, пищеводный мониторинг и манометрию.

Эластичная чистая регрессия - это метод машинного обучения, который использует регуляризованный регрессионный анализ, объединяющий штрафы L1 (Lasso) и L2 (Ridge). Этот подход делает модель относительно надежной против переживания и подходит для наборов данных с небольшим размером выборки, большим количеством переменных и тяжелой мультиколлинеарностью. Метод перегруппирования синтетического меньшинства (SMOTE)-это метод, который повышает интерпретацию класса меньшинства в модели путем перенаменения данных класса меньшинств с использованием алгоритма K-ближайших соседей (K-NN). Таким образом, это исследование направлено на разработку моделей машинного обучения для прогнозирования послеоперационного гастроэзофагеального рефлюкса резолюции после лапароскопического фундопликации Nissen с использованием упругих чистой регрессии и ударов.

В период с февраля 2017 года по февраль 2023 года будет включено 112 пациентов, которые перенесли LNF в период с февраля 2017 года по февраль 2023 года. Предоперационные и послеоперационные гастроэзофагеальные симптомы, включая изжогу и регургитация, были оценены с использованием анкеты, связанного с качеством жизни, связанного с GERD, и корейской версией анкеты GERD. Послеоперационные симптомы оценивали через 1, 3, 6, 9 и 12 месяцев после операции. Пациенты с более чем 70% улучшением симптомов при последнем наблюдении будут классифицированы как группа разрешения симптомов. Всего будет разработано 21 модели для прогнозирования разрешения изжоги, регургитации или атипичных симптомов с использованием результатов манометрии, 24-часового мониторинга рН пищевода или обеих, с семью моделями для каждого симптома. Все модели также будут включать результаты EGD. Упругая чистая регрессия и метод удара будут применены для переоборудования класса меньшинства и разработки модели. Производительность модели будет подтверждена с использованием 5-кратной перекрестной проверки. В дополнение к оценке модели дискриминации, будет проведен анализ калибровки для оценки того, насколько хорошо предсказанные вероятности соответствуют наблюдаемым результатам. Прогнозирующие характеристики обычных предикторов и возможных предикторов, включая длину LES, давление покоя LES и время воздействия болюса, будут сравниваться с модельными характеристиками новой модели.