什么导致术后误吸？
机器学习
2025-10-30 v2 人工智能
摘要
背景：误吸是将异物吸入肺部，显著影响手术患者的病情和死亡率。本研究开发了机器学习（ML）模型以预测术后误吸，从而实现及时预防性干预。方法：从 MIMIC-IV 数据库中筛选超过 40 万例住院病例，我们识别了 826 例手术患者（平均年龄 62 岁，55.7% 为男性），其中 7 天内发生误吸，并匹配了非误吸对照组。训练了三种 ML 模型：XGBoost、多层感知器和随机森林，使用术前住院数据预测术后误吸。为探讨因果关系，我们采用增强逆概率加权法估计平均处理效应（ATE）。结果：我们的 ML 模型在独立测试集上实现了 0.86 的 AUROC 和 77.3% 的灵敏度。最大日剂量、住院天数和患者年龄被识别为最重要的预测因子。ATE 分析识别出显著的因果因素：止痛药（0.25 ± 0.06）和手术部位（颈部：0.20 ± 0.13，头部：0.19 ± 0.13）。尽管男女手术率相当，但男性患者发生误吸的概率高 1.5 倍，且接受的 maximum daily opioid 剂量高出 27%。结论：机器学习模型可有效预测术后误吸风险，从而实现针对性的预防措施。最大日剂量和手术部位显著影响误吸风险。男女之间的疗效差异在止痛药给药和误吸发生率上值得进一步调查。这些发现对改进术后护理方案和误吸预防策略具有重要意义。
引用
@article{arxiv.2510.21779,
title = {What Causes Postoperative Aspiration?},
author = {Supriya Nagesh and Karina Covarrubias and Robert El-Kareh and Shiva Prasad Kasiviswanathan and Nina Mishra},
journal= {arXiv preprint arXiv:2510.21779},
year = {2025}
}