临床麻醉学杂志

作者：王骞,张景伟,杨晓东,宋玉祥,张明宇,郑兰圆,赵红,彭宇明,陈益强,米卫东,曹江北

单位：100853,北京市,解放军总医院第一医学中心麻醉科,中国科学院计算技术研究所,中国科学院计算技术研究所,100853,北京市,解放军总医院第一医学中心麻醉科,100853,北京市,解放军总医院第一医学中心麻醉科,100853,北京市,解放军总医院第一医学中心麻醉科,北京大学人民医院麻醉科,首都医科大学附属北京天坛医院麻醉科,中国科学院计算技术研究所,100853,北京市,解放军总医院第一医学中心麻醉科,100853,北京市,解放军总医院第一医学中心麻醉科

关键词：联邦学习,机器学习,数据孤岛,数据隐私,术后谵妄,预测模型,老年,

基金：北京市自然科学基金-海淀原始创新联合基金资助项目（L222100）

目的：采用联邦学习（FL）方法构建老年患者术后谵妄（POD）的预测模型。方法：收集2020年4月至2022年4月国内3家医院的非心脏、非神经外科手术老年患者围术期数据，将其按照7∶3随机分为训练集和验证集，构建基于传统Logistic回归的集中式学习模型和基于FL的预测模型（FedAvg、FedLSD、Fedprox）。采用受试者工作特征曲线下面积（AUC）、敏感性、特异性、准确率、校准曲线、决策曲线分析（DCA）评估模型的预测效果。采用Shapley加法解释(SHAP)解释模型特征的重要性。结果：集中式学习模型AUC在训练集中为0.827（95%CI 0.811～0.842），在验证集中为0.726（95%CI 0.687～0.764）。3种基于FL的预测模型（FedAvg、FedLSD和FedProx）的AUC分别为0.710（95%CI 0.671～0.749）、0.708（95%CI 0.669～0.747）、0.710（95%CI 0.671～0.749）。校准曲线和DCA显示，基于FL的预测模型性能接近集中式学习模型。结论：FL算法能整合多机构数据，基于FL的预测模型表现与集中式学习模型相似，可有效预测老年患者POD的发生。

来源：2025年第07期

《临床麻醉学》期刊编辑部

查看临床麻醉学杂志2025年第07期