Jämförelse av sex olika maskininlärningsmetoder med traditionell modell för lågt anteriort resectionssyndrom efter minimalt invasiv kirurgi för rektalcancer -- Utveckling och extern validering av ett nomogram : En dual-center kohortstudie

Efter genomgående screening baserad på inklusions- och exklusionskriterier delades patienter från de två stora medicinska centren upp i två kohorter för denna studie. Kohort 1 fungerade främst som tränings- och intern valideringsuppsättning, medan Kohort 2 användes för extern validering av den prediktiva modell som konstruerats från Kohort 1. Vi använde sex olika maskininlärningsmetoder, inklusive DT, RF, XGBOOST, SVM, lightGBM och SHLNN, utöver konventionell logistisk regression för att skapa den prediktiva modellen. Vi valde metoden med bäst sensitivitet och specificitet genom att jämföra konkordansindex (C-index) liknande området under ROC-kurvan (AUC) för dessa sju olika modellbyggnadsmetoder. Den prediktiva modellen för Kohort 1 byggdes sedan med denna metod, och intern validering slutfördes. Slutligen genomgick Kohort 2 extern validering av den prediktiva modellen