髋关节置换手术多模态多目标集成机器算法研究

目的：

本研究的目的是开发用于临床数据分析的整体预测多任务平台（HoPreM），通过整合各种类型的数据（包括人口统计、手术、病史和实验室信息）来准确预测髋关节置换手术后的围手术期事件。 我们旨在预测的事件包括急性肾损伤 (AKI)、输血需求、术后 48 小时出院 (48hPOD)、重症监护病房 (ICU) 转移和住院时间 (LOS)。

关键问题：

HoPreM 平台能否降低髋关节置换手术后并发症的风险？ 该平台预测上述围手术期事件的准确性如何？

参与者将：

接受髋关节置换手术的患者，年龄18岁及以上，病历中缺失值低于10%。

使用他们的数据来训练和测试 HoPreM 平台的预测模型。

学习程序：

患者数据将从西安红会医院收集，包括手术前后的肌酐值。

研究人员将使用 HoPreM 平台处理多模态数据，包括人口统计、手术、病史和实验室测试数据。

该平台将应用各种集成学习算法（包括 XGBoost、随机森林、LightGBM 和 CatBoost）来预测不同的围手术期结果。

预期成果：

HoPreM 平台将展示其预测髋关节置换手术后并发症的能力，特别是急性肾损伤和输血需求。

通过SHAP值分析，该研究将进一步揭示特征与临床结果之间的关系，增强模型的可解释性和临床实用性。

联系信息：

如果您对本研究有任何疑问或想了解更多信息，请联系研究团队。