基于临床数据和术中生物信号的机器学习模型预测心脏手术后谵妄

2025-04-04 Medsci 等1家媒体报道 科研进展





打开微信“扫一扫”
点击右上角分享按钮

本研究基于1912例患者的回顾性数据和202例新增患者的前瞻性数据，开发了一种软投票集成机器学习模型，用于预测心脏手术后谵妄。该模型通过提取术中生物信号的关键特征（如整体状态、基线水平、不良状况及其严重程度、逐搏变异性等），结合临床数据进行训练。模型在验证中表现出色，受试者工作特征曲线下面积达到0.887，准确率为0.881。SHAP可解释性分析显示，多项术中生物信号特征对预测具有较高重要性，强调了术中患者管理在预防术后谵妄中的关键作用。研究结果表明，这种综合预测模型能够有效识别高风险患者，为早期干预和预防提供有力支持。（摘要由动脉网AI生成）