临床麻醉学杂志

作者：王小锋,蔡宁,王建彭,杨芳芳,王秋锋

单位：236000,安徽省阜阳市,阜阳市人民医院麻醉科,236000,安徽省阜阳市,阜阳市人民医院麻醉科,236000,安徽省阜阳市,阜阳市人民医院麻醉科,236000,安徽省阜阳市,阜阳市人民医院麻醉科,236000,安徽省阜阳市,阜阳市人民医院麻醉科

关键词：全髋置换术,术后谵妄,机器学习,Boruta算法,Shapley加性解释,

基金：安徽医科大学校科研基金（2023xkj083）；蚌埠医科大学科技项目自然科学类（2023byzd214）

目的：基于Shapley加性解释（SHAP）和机器学习（ML）模型构建预测全髋置换术（THA）患者术后谵妄（POD）风险预测模型并开发在线应用程序。方法：选择2023年1月至2024年11月行THA的患者277例，男76例，女201例，年龄≥65岁，BMI 18.5～30.0 kg/m2，ASA Ⅰ—Ⅲ级。通过Boruta算法筛选THA患者发生POD的风险因素。基于风险因素构建、训练和比较6种ML模型，使用受试者工作特征（ROC）曲线和校准曲线评估6种ML模型，筛选最佳预测性能模型。使用SHAP值对ML模型进行解释和可视化，并使用Shiny等R包开发预测THA患者POD风险的在线应用程序。结果：有65例（23.8%）患者发生POD。Boruta算法筛选出麻醉时间、C-反应蛋白（CRP）浓度、年龄、顺式阿曲库铵用量、七氟醚用量、术中失血量、手术时间以及白蛋白（Alb）浓度是THA患者发生POD的风险因素。6种ML算法中，ROC曲线和校准曲线证实极端梯度提升（XGBoost）模型预测POD风险性能最高。基于SHAP值附加解释和可视化XGBoost模型能以极高准确度预测POD风险。在线应用程序网址https://mldynamic.shinyapps.io/PD-web/。结论：麻醉时间、CRP浓度、年龄、顺式阿曲库铵用量、七氟醚用量、术中失血量、手术时间以及Alb浓度是THA患者发生POD的风险因素。基于SHAP值解释的XGBoost模型有极高的预测性能，基于此开发的在线应用程序能帮助使用者快捷计算THA患者POD风险，优化治疗方案。

来源：2025年第10期

《临床麻醉学》期刊编辑部

查看临床麻醉学杂志2025年第10期