机器学习算法在代谢减重手术术后成功分类中的应用：一项综合研究
机器学习
2024-04-01 v1 定量方法
摘要
目的：代谢减重手术（MBS）是针对肥胖及相关健康问题患者的关键干预措施。准确分类和预测患者结局对于优化治疗策略至关重要。本研究提出了一种新颖的机器学习方法，用于在代谢减重手术背景下对患者进行分类，提供了对不同模型和变量类型效用的见解。方法：将多种机器学习模型，包括高斯朴素贝叶斯、补集朴素贝叶斯、K近邻、决策树、带随机过采样的K近邻和带SMOTE的K近邻，应用于73名患者的数据集。该数据集包含心理测量、社会经济和分析变量，通过分析确定最有效的预测模型。研究还探讨了不同变量分组和过采样技术的影响。结果：实验结果表明，最佳模型的平均准确率高达66.7%。增强版的K近邻和决策树，以及K近邻的变体（如随机过采样和SMOTE）取得了最佳结果。结论：该研究揭示了在代谢减重手术领域对患者进行分类的一个有前景的途径。结果强调了选择适当变量和采用多样化方法以实现最佳性能的重要性。所开发的系统有潜力作为辅助医疗专业人员决策的工具，从而改善代谢减重手术的结局。这些发现为未来医院与医疗机构之间利用机器学习算法改善患者护理的合作奠定了基础。此外，研究结果表明存在改进空间，可能通过更大的数据集和仔细的参数调整来实现。
引用
@article{arxiv.2403.20124,
title = {Application of Machine Learning Algorithms in Classifying Postoperative Success in Metabolic Bariatric Surgery: A Comprehensive Study},
author = {José Alberto Benítez-Andrades and Camino Prada-García and Rubén García-Fernández and María D. Ballesteros-Pomar and María-Inmaculada González-Alonso and Antonio Serrano-García},
journal= {arXiv preprint arXiv:2403.20124},
year = {2024}
}