基于回归分析和机器学习的先天性心脏病患儿术后住院死亡预测模型的建立—单中心12年大数据汇总分析

摘要：

目的:探索建立先天性心脏病患儿术后住院病死率的预测模型。方法:收集上海儿童医学中心2006年1月1日至2017年12月31日所有行先天性心脏病手术的病例资料，根据亚里士多德评分系统对不同手术评分，分别应用
logistic回归分析和机器学习建立包含手术复杂性评分和患儿术前危险因素的术后住院病死率预测模型并比较两种模型的C指数。
结果:共纳入24 693例行先天性心脏病手术病例，595例(2.4%)术后住院死亡。所有手术术后住院病死率为0～77.8%，其中32种手术术后住院病死率为0。除手术复杂性评分，其他危险因素包括年龄、身高、手术史、超声心动图检查及实验室检查结果(主要为凝血因子)与术后住院死亡显著相关。仅用手术复杂性评分预测术后住院死亡的
ROC曲线下面积为0.654(95%
CI：0.628～0.681，
P<0.001)，综合分析手术复杂性评分和术前危险因素建立预测模型的
ROC曲线下面积为0.886(95%
CI：0.868～0.904，
P<0.001)，应用机器学习建立预测模型的
ROC曲线下面积为0.889(敏感度为0.817)。应用
logistic回归和机器学习建立模型所参考的危险因素略有差异。
结论:应用
logistic回归分析和机器学习建立的包含手术复杂性评分和术前危险因素的预测模型能更准确预测术后住院死亡，这对于先天性心脏病患儿手术风险评估及术后管理具有重要临床意义。

关键词：先天性心脏病、回归分析、机器学习、预测模型

所属期刊栏目：36

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：65-73