临床麻醉学杂志

作者：石金云,陈荣,李文媛,纪木火,李青

单位：210028,南京中医药大学附属中西医结合医院麻醉科,南京医科大学第二附属医院麻醉科,南京医科大学第二附属医院麻醉科,南京医科大学第二附属医院麻醉科,210028,南京中医药大学附属中西医结合医院麻醉科

关键词：非心脏外科手术,术后谵妄,机器学习,预测模型,Shapley加性解释,

基金：国家自然科学基金（82172131）

目的： 采用不同机器学习方法构建非心脏手术老年患者术后谵妄（POD）的预测模型其性能。方法：收集2022年4月至2024年4月行非心脏手术的905例老年患者围术期资料，包括人口学特征、既往合并症、术前认知功能评估、实验室检查结果、麻醉记录单等共102个变量。采用单因素分析初步筛选危险因素，将有统计学差异（P<0.05）的变量纳入最小绝对收缩与选择算子（LASSO）筛选特征变量，应用随机森林（RF）、支持向量机（SVM）、自适应增强算法（Adaboost）和神经网络（NN）4种机器学习方法构建POD预测模型，采用受试者工作特征曲线下面积（AUROC）、精确度-召回率（PR）曲线的平均精度（AP）、Brier评分等对模型进行综合评估，引入Shapley加性解释（SHAP）对最优机器学习模型进行可解释化分析。结果：有155例（17%）患者发生POD，经LASSO回归分析后，确定10个特征变量用于构建机器学习模型。4种机器学习模型中，RF的AUROC最高为0.90（95%CI 0.86～0.93），AP为0.8，Brier评分为0.086。SHAP模型解释性分析显示，对POD贡献度最高的是手术时间。结论： 在应用4种机器学习方法构建的非心脏手术老年患者POD预测模型中，RF的预测效能最佳。

来源：2025年第03期

《临床麻醉学》期刊编辑部

查看临床麻醉学杂志2025年第03期