查看更多>>摘要：目的:利用机器学习技术对食道闭锁术后出现吻合口漏进行预测,寻找导致术后出现吻合口漏的危险因素,计算相应截断值,并制作交互式网页计算工具,方便医务人员快速计算术后出现吻合口漏的具体风险概率.方法:收集2009年1月至2021年12月在重庆医科大学附属儿童医院胸心外科接受手术治疗的251例Ⅲ型先天性食道闭锁患者的临床资料.包括患儿人口学特征、手术资料和术后资料.本课题组采用支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、逻辑回归模型(logistic regression,LR)、XGboost 分类(eXtreme gradient boosting,XGBoost)、高斯朴素贝叶斯(gaussian naive bayes,GNB)这5种机器学习算法来构建预测食道闭锁术后吻合口漏的预测模型.利用受试者工作特征(receiver operating character-istic,ROC)曲线的曲线下面积(area under thecurve,AUC)评价效度,同时综合F1分数、准确率、灵敏度及特异度,Hosmer-Lemeshow检验Brier分数评价校准度及临床决策曲线(decision curve analysis,DCA曲线)对模型的校准度及稳定性进行评价.利用限制性立方样条分别计算相应危险因素的截断值,最后制作交互式网页计算工具,构建术后吻合口漏风险分层系统,方便医务人员快速使用.结果:通过对候选风险因素进行单因素分析、重要度排序、LASSO回归(least absolute shrinkage and selec-tion operator,LASSO)筛选出危险因素为断端距离、是否合并复杂先心、术前蛋白、是否合并肺部感染.在5种机器学习算法中,逻辑回归模型在ROC曲线和DCA性能及校准曲线综合指标方面表现最佳,在逻辑回归模型中,训练集的AUC为0.828,准确度为0.772,F1分数为0.532,验证集的AUC为0.799,准确度为0.765,F1分数为0.544.提示该模型用于预测Ⅲ型先天性食道闭锁术后出现吻合口漏有较好的区分度及校准度.利用限制性立方样条,计算了断端距离及术前蛋白的截断值分别为2 cm及33.9 g/L,临床医务人员可以利用在线交互式网页计算工具,输入相应危险因素的结果,计算出某1个患者术后出现吻合口漏的具体概率值.结论:逻辑回归模型可较好地预测Ⅲ型先天性食道闭锁患儿术后出现吻合口漏危险因素,在线交互式网页计算工具可以迅速地计算出术后吻合口漏的概率,方便医务人员使用.
万方数据
维普