临床麻醉学杂志

作者：汪宁,王纯辉,张野

单位：230601,合肥市,安徽医科大学第二附属医院麻醉与围术期医学科,安徽省公共卫生临床中心麻醉科,230601,合肥市,安徽医科大学第二附属医院麻醉与围术期医学科

关键词：腹腔镜胆囊切除术,全身麻醉,诱导后低血压,机器学习,预测模型,

基金：安徽省高校自然科学研究项目（2023AH010081）；安徽医科大学校科研基金（2023xkj049）

目的：基于机器学习构建腹腔镜胆囊切除术（LC）患者发生全身麻醉诱导后低血压（PIH）的预测模型。方法：回顾性分析2019年5月至2023年9月行LC手术的患者资料，按照7∶3的比例分配训练集和验证集。使用Logistic回归、随机森林（RF）、支持向量机（SVM）方法构建PIH的预测模型，模型的区分准确度使用受试者工作特征（ROC）曲线下面积进行评估，模型的校准度采用校准曲线与霍斯默（H-L）检验进行评估，采用列线图对模型可视化。结果：共纳入患者260例，其中有82例（31.5%）发生PIH，训练集182例，验证集78例，其中训练集中有58例（31.9%）发生PIH，验证集中有24例（30.8%）发生PIH。年龄、BMI、使用血管紧张素转化酶抑制剂（ACEIs）/血管紧张素受体阻滞剂（ARBs）、基础HR和MAP、入室HR和MAP、HR变化值以及MAP变化值是预测PIH的影响因素。基于机器学习构建的Logistic回归模型的预测性能最佳，在验证集中曲线下面积（AUC）、准确度、召回率分别为0.93(95%CI 0.90~0.99)、0.81、0.81。结论：基于机器学习构建的Logistic回归模型具有良好的预测性能，筛选出的预测变量为年龄、BMI、使用ACEIs/ARBs、基础HR和MAP、入室HR和MAP、HR变化值以及MAP变化值，可快速准确评估LC患者PIH的发生风险。

来源：2024年第09期

《临床麻醉学》期刊编辑部

查看临床麻醉学杂志2024年第09期