典型文献
基于深度学习的术后医疗相关感染风险预测模型
文献摘要：
目的 基于深度学习方法,构建融合术前、术中危险因素和术中基本生命体征的术后医疗相关感染(HAI)预测模型.方法 基于两项随机对照试验(NCT02715076,ChiCTR-IPR-17011099)进行回顾性分析.研究对象为行择期根治性切除术的进展期消化系统肿瘤患者.主要结局指标为术后30 d内首次出现HAI.分别采用Logistic回归分析和基于迭代遮挡输入的长短期记忆网络(LSTM)模型进行特征筛选;融合术前、术中危险因素和术中基本生命体征构建术后HAI深度学习预测模型,并评估比较模型性能;基于模拟退火算法模拟调整术中基本生命体征,尝试探索可降低HAI发生率的调节系统.结果 本研究共纳入839例患者,其中112例(13.3％)术后30 d内出现HAI.筛选出的术前、术中危险因素包括新辅助化疗、肠外营养、手术部位(涉及食管、胃、结直肠、胰十二指肠和肝脏)、术中失血量＞ 500 ml、麻醉时间＞4h.术中基本生命体征显著性程度:心率＞核心体温＞收缩压＞舒张压.与多因素Logistic回归模型、随机森林模型、单纯纳入生命体征的LSTM模型相比,基于深度学习构建的融合术前、术中危险因素和术中基本生命体征的术后HAI预测模型的表现最好(ACC=0.733,F1 =0.237,AUC=0.728).采用模拟退火算法对出现HAI的患者进行3种不同条件的模拟,均可在一定程度上降低术后HAI发生率,降低退火初始温度且取手术进程后20％效果更好.结论 基于深度学习方法,构建了融合术前、术中危险因素和术中基本生命体征的术后HAI预测模型,并采用模拟退火算法探索术中基本生命体征的模拟调整,在一定程度上降低了术后HAI发生率.
文献关键词：
围手术期管理;医疗相关感染;深度学习;预测模型
中图分类号：
作者姓名：
孙琛;裴丽坚;张越伦;黄宇光
作者机构：
中国医学科学院北京协和医学院北京协和医院麻醉科,北京100730
文献出处：
引用格式：
[1]孙琛;裴丽坚;张越伦;黄宇光-.基于深度学习的术后医疗相关感染风险预测模型)[J].中国医学科学院学报,2022(01):9-16
A类：
医疗相关感染,NCT02715076
B类：
感染风险预测,风险预测模型,深度学习方法,融合术,中危,本生,生命体征,HAI,随机对照试验,ChiCTR,IPR,择期,根治性切除术,进展期,消化系统肿瘤,肿瘤患者,结局指标,遮挡,长短期记忆网络,特征筛选,深度学习预测模型,比较模型,模型性能,模拟退火算法,算法模拟,拟调,尝试探索,调节系统,新辅助化疗,肠外营养,手术部位,食管,结直肠,十二指肠,术中失血量,ml,麻醉时间,4h,核心体温,收缩压,舒张压,随机森林模型,ACC,初始温度,围手术期管理
AB值：
0.255638
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。
