典型文献
术后急性中重度疼痛风险预测模型构建
文献摘要：
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.
文献关键词：
麻醉与围术期医学;数据平台;术后疼痛;机器学习;风险预测
中图分类号：
作者姓名：
陈蔚星;王益敏;吴晓鸰;邹风院;郭熔昌;杨栋;张辉
作者机构：
510006 广州,广东工业大学计算机学院;广东省第二人民医院麻醉科;广州知汇云科技有限公司数据科学部
文献出处：
引用格式：
[1]陈蔚星;王益敏;吴晓鸰;邹风院;郭熔昌;杨栋;张辉-.术后急性中重度疼痛风险预测模型构建)[J].中国数字医学,2022(09):79-84
A类：
B类：
中重度疼痛,痛风,风险预测模型,预测模型构建,日间,局麻,手术患者,外部验证,VAS,分作,指标评估,评估预测,轻量级梯度提升机,自适应提升,内部验证,手术时长,和机器学习算法,麻醉与围术期医学,术后疼痛
AB值：
0.244014
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
