此页面是自动翻译的，不保证翻译的准确性。请参阅英文版对于源文本。

机器学习预测老年外科患者多重感染

2024年9月21日更新者：Weidong Mi

老年手术患者多重感染预测：利用 SHAP 分析进行机器学习模型开发和验证

利用机器学习技术，我们开发了老年感染评估模型，利用国内数据库来预测老年患者术后的多次感染。该模型解决了目前为中国老年外科患者量身定制的预测工具的差距，提供了对总体和特定感染风险的见解。

研究概览

地位

完全的

条件

详细说明

背景：

术后感染是围手术期不良结果的主要原因，特别是对于老年患者。鉴于感染的诊断表现多种多样，在使用预测工具来识别发生此类并发症的高风险人群方面存在显着差距。

客观的：

我们的目标是开发机器学习模型来预测老年患者的各种术后感染风险，促进早期发现和干预。

方法：

对2014年1月至2019年8月在中国人民解放军总医院第一医学中心接受非心脏手术的42540例老年患者进行回顾性分析，形成训练集。由此，30% 的子集被随机指定为测试集。该模型纳入了 51 个变量，包括关键的感染相关因素。利用三种机器学习技术——逻辑回归 (LR)、随机森林 (RF) 和梯度提升机 (GBM)——开发总体和特定术后感染的预测模型，并根据欧洲围手术期临床结果 (EPCO) 定义进行分类。模型性能通过接收器工作特征 (ROC) 曲线下面积 (AUC)、准确性和精度等指标来衡量。为了增强模型的可解释性，我们采用了 RF 模型的变量重要性 (VIMP) 和 Shapley 加性解释 (SHAP) 算法。为了对特定感染类型进行可证明的预测，将随机选择的 5 名患者的数据输入模型，并在雷达图中描绘了所得的概率。

研究类型

观察性的

注册 (实际的)

42540

联系人和位置

本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。

学习地点

中国
- Beijing
  - Beijing、Beijing、中国、100853
    - Depatment of Anesthesiology, The First Medical Center Affiliation: Chinese PLA General Hospital

参与标准

研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。

资格标准

适合学习的年龄

年长者

接受健康志愿者

不

取样方法

非概率样本

研究人群

训练集包括2014年1月至2019年8月在中国人民解放军总医院第一医学中心（PLAGH）接受治疗的42,540名老年患者。

描述

纳入标准：

年龄≥65岁；
接受不涉及局部麻醉的手术的患者。

排除标准：

接受神经外科或心脏手术的患者；
术前有感染（包括肺炎、SSIs、UTI 和血流感染）的患者。

学习计划

本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。

研究是如何设计的？

设计细节

研究衡量的是什么？

主要结果指标

结果测量	措施说明	大体时间
机器学习预测老年手术患者多重感染大体时间：2012 年 1 月 - 2018 年 8 月	研究人员利用机器学习技术，开发了老年感染评估模型，利用国内数据库来预测老年患者术后的多次感染。	2012 年 1 月 - 2018 年 8 月

合作者和调查者

在这里您可以找到参与这项研究的人员和组织。

赞助

Weidong Mi

调查人员

学习椅：Weidong Mi、Depatment of Anesthesiology, The First Medical Center Affiliation: Chinese PLA General Hospital

研究记录日期

这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。

研究主要日期

学习开始 (实际的)

2022年9月1日

初级完成 (实际的)

2023年12月30日

研究完成 (实际的)

2024年3月30日

研究注册日期

首次提交

2024年8月7日

首先提交符合 QC 标准的

2024年8月7日

首次发布 (实际的)

2024年8月9日

研究记录更新

最后更新发布 (实际的)

2024年9月24日

上次提交的符合 QC 标准的更新

2024年9月21日

最后验证

2024年9月1日