术后急性中重度疼痛风险预测模型构建

摘要：

目的:基于数据平台,应用机器学习算法构建术后急性中重度疼痛风险预测模型.方法:在数据平台中收集非日间且非局麻手术患者1634例用于模型建立和验证,收集1000例相同条件的患者用于外部验证;将患者分为干预组和对照组,使用术后运动VAS评分作为结局变量,采用机器学习算法构建预测模型,并以AUC、准确率、F1值等5种指标评估预测效果.结果:轻量级梯度提升机、随机森林、梯度提升、自适应提升4种模型在内部验证中AUC值均超过0.75;其中前3种模型在外部验证中AUC值均超过0.7;麻醉时长、手术时长、年龄、用药等变量在模型中展现出较高重要性.结论:基于数据平台和机器学习算法构建的术后急性中重度疼痛风险预测模型具有较好的准确性,可供临床参考.

关键词：麻醉与围术期医学、数据平台、术后疼痛、机器学习、风险预测

所属期刊栏目：17

分类号：R319(医用一般科学)

资助基金：广东省医学科学技术研究基金项目A2020532

在线出版日期：2022-11-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：79-84