典型文献
基于机器学习算法的肝硬化患者经颈静脉肝内门体分流术后临床结局预测
文献摘要：
目的:探讨机器学习对于经颈静脉肝内门体分流术(TIPS)的肝硬化患者预后的临床预测价值。方法:本研究共纳入山东大学附属山东省立医院2016年1月至2019年12月收治的53例肝硬化患者，分别收集术前及术后临床变量68项，以术后出血、肝性脑病、肝病相关死亡、分流道失功能分别作为独立结局。使用逻辑回归筛选对结局有显著影响的临床变量，分别构建相应的支持向量机(SVM)模型，同时构建沙普利可加性特征解释方法(SHAP)模型进行解释分析。结果:术后出血SVM模型，准确率0.75，召回率1.00，曲线下面积(AUC)＝0.81；肝性脑病SVM模型，准确率0.75，召回率0.67，AUC＝0.77；肝病相关死亡SVM模型，准确率0.88，召回率1.00，AUC＝0.87；分流道失功能SVM模型，准确率0.94，召回率0.67，AUC＝0.87。构建的四个模型中纳入变量SHAP值最高的依次为服用利尿剂、服用益生菌、术前门静脉压力值和终末期肝病模型(MELD)评分。结论:机器学习在肝硬化TIPS术后不同临床结局的预测中有较好的实用价值，可辅助临床医生预测此类患者术后状况，早期进行有效干预。
文献关键词：
肝硬化;经颈静脉肝内门体分流术;机器学习;临床结局
中图分类号：
作者姓名：
黄婷萍;王广川;黄广军;张春清
作者机构：
250021 济南，山东大学齐鲁医学院附属山东省立医院消化内科;250021 济南，山东大学齐鲁医学院附属山东省立医院消化内科；250021 济南，山东第一医科大学附属山东省立医院消化内科
文献出处：
引用格式：
[1]黄婷萍;王广川;黄广军;张春清-.基于机器学习算法的肝硬化患者经颈静脉肝内门体分流术后临床结局预测)[J].中华消化病与影像杂志（电子版）,2022(01):4-10
A类：
B类：
基于机器学习,机器学习算法,肝硬化患者,经颈静脉肝内门体分流术,临床结局,结局预测,TIPS,临床预测价值,山东大学,省立医院,别收,术后出血,肝性脑病,关死,分流道,失功,逻辑回归,选对,沙普利,可加性,征解,解释方法,SHAP,召回率,服用,利尿剂,益生菌,前门,门静脉压力,压力值,终末期肝病模型,MELD,临床医生
AB值：
0.225928
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
