Algorytm uczenia maszynowego do przewidywania ŻChZZ i poważnego krwawienia po operacji całkowitej endoprotezoplastyki stawu

Z tego materiału dowiesz się:

Jak działa algorytm uczenia maszynowego do przewidywania ŻChZZ i poważnego krwawienia po operacji całkowitej endoprotezoplastyki stawu

 

KLUCZOWE WNIOSKI

W oparciu o duże, szczegółowe i współczesne dane z jednej instytucji, w badaniu tym opracowano i zwalidowano algorytm do dokładnego przewidywania ŻChZZ i ryzyka poważnego krwawienia po całkowitej endoprotezoplastyce stawu (TJA)
Opracowano i oceniono cztery modele uczenia maszynowego (ML): RF, LASSO, XGB i SVM dla każdego wyniku (ŻChZZ [PE i ZŻG] oraz poważne krwawienie):

• XGB miał najwyższą wydajność (AUC-ROC) dla PE i ZŻG
• Analiza LASSO dała najlepsze wyniki (najwyższy AUC-ROC) pod względem przewidywania poważnych krwawień
• Odpowiednie algorytmy zidentyfikowały 10 najważniejszych zmiennych dla każdego wyniku (poważne krwawienie, ZŻG i PE), które były zgodne z przyjętymi czynnikami ryzyka
• Walidacja krzyżowa wykazała podobne prawdopodobieństwo wystąpienia przewidywanych i obserwowanych zdarzeń w grupach stratyfikowanych na podstawie ryzyka

To zwalidowane, łatwe w użyciu, praktyczne i dokładne narzędzie oparte na uczeniu maszynowym dla pacjenta:
 

DLACZEGO TO JEST ISTOTNE

• Wysoka zachorowalność i śmiertelność związana z ŻChZZ i poważnymi krwawieniami podkreślają znaczenie stratyfikacji ryzyka przed operacją.
  Stosunkowo mniej uwagi poświęcano poważnym krwawieniom w porównaniu z ŻChZZ pomimo spodziewanej podobnej częstości występowania.
• Poprzednie wyniki ŻChZZ nie uwzględniają poważnych krwawień; obecnie nie ma dostępnego modelu stratyfikacji ryzyka dla poważnego krwawienia

W badaniu tym wykorzystano najnowsze osiągnięcia w zakresie algorytmów ML specyficznych dla pacjenta, aby stworzyć dokładny model predykcyjny do prognozowania prawdopodobieństwa wystąpienia ŻChZZ i poważnych krwawień u pacjentów po TJA.

Dalsza część znajduje się w materiale do pobrania [przycisk: POBIERZ MATERIAŁ]