10.3881/j.issn.1000-503X.14013
基于深度学习的术后医疗相关感染风险预测模型
目的 基于深度学习方法,构建融合术前、术中危险因素和术中基本生命体征的术后医疗相关感染(HAI)预测模型.方法 基于两项随机对照试验(NCT02715076,ChiCTR-IPR-17011099)进行回顾性分析.研究对象为行择期根治性切除术的进展期消化系统肿瘤患者.主要结局指标为术后30 d内首次出现HAI.分别采用Logistic回归分析和基于迭代遮挡输入的长短期记忆网络(LSTM)模型进行特征筛选;融合术前、术中危险因素和术中基本生命体征构建术后HAI深度学习预测模型,并评估比较模型性能;基于模拟退火算法模拟调整术中基本生命体征,尝试探索可降低HAI发生率的调节系统.结果 本研究共纳入839例患者,其中112例(13.3％)术后30 d内出现HAI.筛选出的术前、术中危险因素包括新辅助化疗、肠外营养、手术部位(涉及食管、胃、结直肠、胰十二指肠和肝脏)、术中失血量＞ 500 ml、麻醉时间＞4h.术中基本生命体征显著性程度:心率＞核心体温＞收缩压＞舒张压.与多因素Logistic回归模型、随机森林模型、单纯纳入生命体征的LSTM模型相比,基于深度学习构建的融合术前、术中危险因素和术中基本生命体征的术后HAI预测模型的表现最好(ACC=0.733,F1 =0.237,AUC=0.728).采用模拟退火算法对出现HAI的患者进行3种不同条件的模拟,均可在一定程度上降低术后HAI发生率,降低退火初始温度且取手术进程后20％效果更好.结论 基于深度学习方法,构建了融合术前、术中危险因素和术中基本生命体征的术后HAI预测模型,并采用模拟退火算法探索术中基本生命体征的模拟调整,在一定程度上降低了术后HAI发生率.
围手术期管理;医疗相关感染;深度学习;预测模型
44
R63(外科感染)
北京协和医院沉淀与整合基金;中国医学科学院医学与健康科技创新工程项目
2022-03-28（万方平台首次上网日期，不代表论文的发表时间）
共8页
9-16
