使用机器学习预测术后恶心与呕吐：模型开发与验证研究
机器学习
2023-12-05 v1
摘要
背景：术后恶心与呕吐（PONV）是全身麻醉手术患者中常见的并发症。此外，它也是术后早期引起患者不适与不满的常见原因。目前用于预测PONV的工具尚未取得令人满意的结果。因此，本研究开发了用于预测早期和迟发性PONV的预后工具，旨在实现令人满意的预测性能。方法：本研究使用了2018年9月1日至2023年9月1日期间，在以色列Sheba医学中心全身麻醉下接受手术后转入麻醉后监护室的成年患者的回顾性数据。基于54848名患者的数据，开发了一个由机器学习算法组成的集成模型。采用k折交叉验证方法，随后使用蜂群算法对数据进行训练集和测试集的划分，以最佳地保留患者的社会人口学特征，如年龄、性别和吸烟习惯。结果：在54848名患者中，分别有2706名（4.93%）和8218名（14.98%）患者观察到早期和迟发性PONV。所提出的PONV预测工具分别在84.0%和77.3%的病例中正确预测了早期和迟发性PONV，比次优的PONV预测工具（Koivuranta评分）分别高出13.4%和12.9%。特征重要性分析表明，所提出的预测工具的性能与先前的临床知识相符，证明了其实用性。解释：本研究开发的基于机器学习的工具实现了更好的PONV预测，从而有助于个性化护理和改善患者预后。
引用
@article{arxiv.2312.01093,
title = {Predicting Postoperative Nausea And Vomiting Using Machine Learning: A Model Development and Validation Study},
author = {Maxim Glebov and Teddy Lazebnik and Boris Orkin and Haim Berkenstadt and Svetlana Bunimovich-Mendrazitsky},
journal= {arXiv preprint arXiv:2312.01093},
year = {2023}
}