期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于可解释机器学习构建老年患者术后急性肾损伤风险预测模型
1
作者
陈潮金
饶静怡
+5 位作者
叶欣妍
余文洁
段博
李璠
杨基荣
黑子清
《临床军医杂志》
CAS
2023年第7期688-693,共6页
目的基于机器学习算法,构建行全身麻醉非心脏手术的老年患者术后急性肾损伤(AKI)的风险预测模型,为AKI早期识别和干预提供参考。方法回顾性分析自2015年10月至2021年10月在中山大学附属第三医院择期行全身麻醉非心脏手术、年龄≥65岁的9...
目的基于机器学习算法,构建行全身麻醉非心脏手术的老年患者术后急性肾损伤(AKI)的风险预测模型,为AKI早期识别和干预提供参考。方法回顾性分析自2015年10月至2021年10月在中山大学附属第三医院择期行全身麻醉非心脏手术、年龄≥65岁的9512例患者的临床资料,根据排除标准,最终纳入5780例患者为研究对象。使用LASSO回归分析筛选与AKI相关的重要变量进行AKI预测模型构建。计算受试者工作特征曲线下面积(AUC)用于评估预测性能。通过SHAP模型对最优预测模型进行可解释化处理。结果5780例患者中,789例被诊断为术后AKI,发生率为13.65%(789/5780),设为AKI组;另4991例设为非AKI组。患者预后情况中,AKI组患者的实际住院天数长于非AKI组,总住院费用及住院期间心跳骤停发生率均高于非AKI组,差异均有统计学意义(P<0.05)。单因素分析后共有33个显著变量,LASSO回归分析选择了12个特征变量构建8个机器学习模型,最终选择了梯度提升机(GBM)模型作为风险预测模型。GBM的AUC值为0.77,准确性为0.71,敏感度为0.67,特异度为0.71。利用SHAP模型对GBM模型进行可解释化处理,得出贡献度前5的特征分别为手术时长、术前白蛋白、血清肌酐、血糖及血清钠离子浓度。结论GBM模型预测非心脏手术老年患者术后AKI发生风险的效能最优,可为围术期麻醉决策提供参考。
展开更多
关键词
老年患者
急性肾损伤
预测模型
机器学习
全身麻醉非心脏手术
下载PDF
职称材料
题名
基于可解释机器学习构建老年患者术后急性肾损伤风险预测模型
1
作者
陈潮金
饶静怡
叶欣妍
余文洁
段博
李璠
杨基荣
黑子清
机构
中山大学附属第三医院麻醉科
中山大学医学院
出处
《临床军医杂志》
CAS
2023年第7期688-693,共6页
基金
国家自然科学基金(82102297)
广东省自然科学基金(2022A1515012603)
中山大学大学生创新训练项目(59000061/202211608)。
文摘
目的基于机器学习算法,构建行全身麻醉非心脏手术的老年患者术后急性肾损伤(AKI)的风险预测模型,为AKI早期识别和干预提供参考。方法回顾性分析自2015年10月至2021年10月在中山大学附属第三医院择期行全身麻醉非心脏手术、年龄≥65岁的9512例患者的临床资料,根据排除标准,最终纳入5780例患者为研究对象。使用LASSO回归分析筛选与AKI相关的重要变量进行AKI预测模型构建。计算受试者工作特征曲线下面积(AUC)用于评估预测性能。通过SHAP模型对最优预测模型进行可解释化处理。结果5780例患者中,789例被诊断为术后AKI,发生率为13.65%(789/5780),设为AKI组;另4991例设为非AKI组。患者预后情况中,AKI组患者的实际住院天数长于非AKI组,总住院费用及住院期间心跳骤停发生率均高于非AKI组,差异均有统计学意义(P<0.05)。单因素分析后共有33个显著变量,LASSO回归分析选择了12个特征变量构建8个机器学习模型,最终选择了梯度提升机(GBM)模型作为风险预测模型。GBM的AUC值为0.77,准确性为0.71,敏感度为0.67,特异度为0.71。利用SHAP模型对GBM模型进行可解释化处理,得出贡献度前5的特征分别为手术时长、术前白蛋白、血清肌酐、血糖及血清钠离子浓度。结论GBM模型预测非心脏手术老年患者术后AKI发生风险的效能最优,可为围术期麻醉决策提供参考。
关键词
老年患者
急性肾损伤
预测模型
机器学习
全身麻醉非心脏手术
Keywords
Elderly patients
Acute kidney injury
Predictive models
Machine learning
Non⁃cardiac surgery
分类号
R654.2 [医药卫生—外科学]
R692 [医药卫生—泌尿科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于可解释机器学习构建老年患者术后急性肾损伤风险预测模型
陈潮金
饶静怡
叶欣妍
余文洁
段博
李璠
杨基荣
黑子清
《临床军医杂志》
CAS
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部