基于机器学习算法的成人心脏手术后院内/30天死亡风险预测评分

文章预览

*仅供医学专业人士参考 导读： 心脏外科手术是一种高风险的医疗过程。为预测手术风险并降低死亡率，通常使用风险评估工具。本文介绍了使用XGBoost“极端梯度上升”算法创建的术后死亡风险预测模型，该研究是迄今为止最大规模的国家级研究（英国），一起来看看吧！ 摘 要 目的： 研究使用一种替代机器学习算法(eXtreme Gradient Boosting，XGBoost)对成人心脏手术后院内/30天死亡风险预测模型的性能。 方法： 对2012年1月至2019年3月在英国接受心脏手术的成人患者的前瞻性常规收集数据进行回顾性分析。将数据按时间顺序7：3分为训练集和验证集。从61个变量开始，使用序贯后向浮动选择(sequential backward floating selection，SBFS)创建独立的死亡预测模型。然后对23个变量的XGBoost模型进行区分度、校准度和临床实用性的评估。 结果： 研究期间共有224 318名成人 ………………………………