典型文献
基于机器学习的心脏手术后急性肾损伤预测
文献摘要：
背景 心脏手术相关的急性肾损伤(cardiac surgery-associated acute kidney injury,CSA-AKI)是心脏手术后的主要并发症之一,其对患者的近期和远期生存率都有负面影响.目的 开发基于机器学习技术的预测模型,以此识别心脏手术中CSA-AKI的高危患者.方法 选取2017年1月1日- 2018年6月1日于解放军总医院第一医学中心心血管外科行心脏手术的638例患者的临床资料,包括人口学特征、合并症、术前用药、实验室检查结果和手术相关数据等78个变量.采用支持向量机(support vector machine,SVM)、决策树(decision tree,DT)和随机森林(random foresst,RF)这3个机器学习算法构建CSA-AKI的预测模型.通过受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under the curve, AUC)和决策曲线分析(decision curve analysis,DCA)评估以上预测模型的性能.沙普利可加性特征解释方法(shapley additive explanation,SHAP)用于预测模型的可视化.结果 在纳入分析的638例患者中,188例(29.5%)在术后第1周发生CSA-AKI.在3种机器学习算法中,RF模型在性能指标AUC和DCA方面表现最好,其敏感度为0.784,特异性为0.934,准确率为0.927,AUC为0.890(95% CI:0.762～1.000),高于DT模型和SVM模型.SHAP图可视化了RF模型在个体水平推断CSA-AKI的风险.在RF变量重要性矩阵图中,排名前10的变量依次为肌酐清除率、血红蛋白、手术时间、射血分数、术中尿量、左心房直径、手术权重、血清肌酐、术中失血量和体外循环时间.结论 本研究成功建立了用于预测CSA-AKI高危患者的机器学习方法,可供临床医生参考并优化治疗策略以减少术后并发症.
文献关键词：
急性肾损伤;机器学习;心脏手术并发症;随机森林;预测模型
中图分类号：
作者姓名：
范运龙;邵佳康;吴远斌;宋超;沈铭;朱思明;何潇一;李梁钢;任瞳;姜胜利
作者机构：
解放军医学院,北京 100853;河北医科大学第一医院 心血管内科,河北石家庄 050000;解放军总医院第一医学中心 心血管外科,北京 100853
文献出处：
引用格式：
[1]范运龙;邵佳康;吴远斌;宋超;沈铭;朱思明;何潇一;李梁钢;任瞳;姜胜利-.基于机器学习的心脏手术后急性肾损伤预测)[J].解放军医学院学报,2022(02):168-174
A类：
foresst,心脏手术并发症
B类：
基于机器学习,心脏手术后,术后急性肾损伤,损伤预测,cardiac,surgery,associated,acute,kidney,injury,CSA,AKI,远期生存率,机器学习技术,手术中,高危患者,解放军总医院,医学中心,心心,心血管外科,人口学特征,合并症,术前用药,实验室检查,support,vector,machine,决策树,decision,tree,DT,random,RF,机器学习算法,受试者工作特征,receiver,operating,characteristic,area,under,curve,决策曲线分析,analysis,DCA,沙普利,可加性,征解,解释方法,shapley,additive,explanation,SHAP,图可视化,变量重要性,矩阵图,肌酐清除率,手术时间,射血分数,尿量,左心房直径,血清肌酐,术中失血量,体外循环时间,机器学习方法,临床医生,优化治疗,治疗策略,术后并发症
AB值：
0.356569
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。
