• 1. 上海中医药大学附属曙光医院信息中心(上海 201203);
  • 2. 上海中医药大学附属曙光医院外科(上海 201203);
  • 3. 上海中医药大学附属曙光医院中医信息学研究所(上海 201203);
  • 4. 上海月新生科信息科技有限公司(上海 200235);
导出 下载 收藏 扫码 引用

目的 尝试利用机器学习建立结直肠手术后手术部位感染(surgical site infection,SSI)预测模型。方法 采用机器学习算法对杜克大学外部感染控制监测网登记的结直肠手术病例历史数据集进行分析建模。将全部数据集的 80% 作为训练数据集,20% 作为测试数据集。为提升模型训练效果,再将全部数据集的 90% 作为训练数据集,10% 作为测试数据集。预测结果与实际病例进行比对,计算模型的灵敏度、特异度、阳性预测值和阴性预测值,以受试者工作特征(receiver operating characteristic,ROC)曲线下面积作为模型参数评价模型预测能力,用比值比(odds ratio,OR)进行检验效度评价,检验水准 α=0.05。结果 数据集时间为 2015 年 1 月 15 日-2016 年 6 月 16 日,共有患者 7 285 例,其中 234 例发生 SSI,SSI 发生率为 3.21%。采用随机森林法建立预测模型,使用全部数据集的 90% 进行训练,10% 进行测试,该模型的灵敏度为 76.9%,特异度为 59.2%,阳性预测值为 3.3%,阴性预测值为 99.3%,ROC 曲线下面积为 0.767[OR=4.84,95% 置信区间(1.32,17.74),P=0.02]。结论 随机森林法建立的结直肠手术后 SSI 预测模型具有实现手术部位感染半自动化监测的潜力,但需要更多数据训练提高模型的预测能力,实现临床应用。