摘要
【摘要】 目的：构建术后肺部并发症(postoperative pulmonary complications, PPCs)的预测模型并进行验证。方法：回顾性收集2019年1月1日至2021年12月31日在重庆医科大学附属巴南医院实施的头颈胸及上腹部三、四级手术的患者，其中满足纳入排除标准的病例有2157例。数据预处理后，通过循证和临床结合的方式筛选出预测模型的特征变量，基于机器学习技术分别构建Logistic回归模型、梯度提升决策树(gradient boosting decision tree, GBDT)模型和人工神经网络(artificial neural network, ANN)模型。通过比较预测模型的准确度、灵敏度、特异度和曲线下面积(the area under the curve, AUC)等指标，评估三种模型的预测性能。结果：Logistic回归模型、GBDT模型和ANN模型的AUC值，分别为0.823 (95% CI: 0.790~0.855)、0.877 (95% CI: 0.841~0.913)和0.908 (95% CI: 0.878~0.938)。结论：基于机器学习算法构建PPCs风险预测模型具有可行性。在本研究构建的三种PPCs机器学习模型中，ANN模型具有良好的预测表现和临床价值。
出版日期
2023年07月12日（中国期刊网平台首次上网日期，不代表论文的发表时间）
