术中数据的附加价值用于预测术后并发症：MySurgeryRisk 扩展模型的开发与验证
计算机与社会
2019-11-11 v2 应用统计
摘要
为验证以下假设：与使用仅术前数据相比，同时使用术前和术中输入特征可提高预测术后并发症的准确性、判别力和精确度。预测术后并发症的模型通常忽略重要的术中生理变化。纳入术中生理数据可能改善模型性能。本回顾性队列分析纳入了某单一机构在 5 年期间的 52,529 例住院手术。经过验证的 MySurgeryRisk 平台中的随机森林机器学习模型利用电子健康记录数据和患者社区特征，对住院期间三种术后并发症及死亡率进行患者级预测。针对每种结局，分别训练一个仅使用术前数据的模型和一个同时使用术前与术中数据的模型。通过准确性、判别力（以 AUROC 表示）、精确度（以 AUPRC 表示）和重分类指数（NRI）对模型进行比较。纳入术前和术中数据的机器学习模型在预测全部三种术后并发症（重症监护病房住院时间 >48 小时、机械通气 >48 小时，以及包括谵妄在内的神经系统并发症）和院内死亡率方面，比仅使用术前数据的模型具有更高的准确性、判别力和精确度（准确性：88% 对 77%，AUROC：0.93 对 0.87，AUPRC：0.21 对 0.15）。并发症的总体重分类改善为 2.9%–10.0%，院内死亡率为 11.2%。纳入术前和术中数据显著提高了预测术后并发症的机器学习模型的准确性、判别力和精确度。
引用
@article{arxiv.1910.12895,
title = {Added Value of Intraoperative Data for Predicting Postoperative Complications: Development and Validation of a MySurgeryRisk Extension},
author = {Shounak Datta and Tyler J. Loftus and Matthew M. Ruppert and Chris Giordano and Lasith Adhikari and Ying-Chih Peng and Yuanfang Ren and Benjamin Shickel and Zheng Feng and Gloria Lipori and Gilbert R. Upchurch and Xiaolin Li and Parisa Rashidi and Tezcan Ozrazgat-Baslanti and Azra Bihorac},
journal= {arXiv preprint arXiv:1910.12895},
year = {2019}
}
备注
46 pages,8 figures, 7 tables version 2: corrected typos