Maskininlärningsmodeller för förutsägelse av akut njurskada efter icke-hjärtkirurgi

Akut njurskada (AKI) är en vanlig kirurgisk komplikation som kännetecknas av en snabb nedgång i njurfunktionen. Patienter med AKI löper en ökad risk att utveckla kronisk njursjukdom och njursjukdom i slutstadiet, vilket har associerats med en ökad risk för sjuklighet, dödlighet och ekonomiska bördor. Att tidigt identifiera högriskpatienter för postoperativ AKI kan underlätta utvecklingen av förebyggande och terapeutiska hanteringsstrategier, och prediktionsmodeller kan vara till hjälp i detta avseende.

Målet med denna retrospektiva studie är att utveckla prediktionsmodeller för postoperativ AKI i icke-hjärtkirurgi med hjälp av maskininlärningsalgoritmer, och att förenkla modellerna genom att endast inkludera preoperativa variabler eller endast viktiga prediktorer.