机器学习算法在神经外科手术术后并发症非临床因素风险识别中的价值  

作　　者：胡洋洋[1] 王常娟[2] 

机构地区：[1]河北北方学院附属第二医院神经外科,河北张家口075100 [2]河北北方学院附属第二医院功能科,河北张家口075100

出　　处：《河北北方学院学报(自然科学版)》2025年第8期1-6,共6页Journal of Hebei North University:Natural Science Edition

摘　　要：目的探讨机器学习方法在神经外科手术术后并发症非临床因素(如社会经济状态、心理状态等)风险识别中的意义。方法采用LASSO回归和随机森林特征递归消除法进行特征筛选,选择共同子集的变量构建预测模型。使用逻辑回归、随机森林、决策树、朴素贝叶斯、LightGBM、XGBoost六种机器学习方法进行模型构建,并以AUC值、召回率、F1分数、准确率等指标进行模型评估。结果特征选择结果表明,年龄、术前讨论、术者术前查房、患者术前心理状态、术前访视与麻醉师同一人是影响术后并发症风险的关键非临床因素。在6种机器学习模型中,XGBoost和随机森林模型在验证集中表现最佳,准确率分别为0.769和0.772,AUC值分别为0.851和0.832。结论XGBoost模型能有效预测神经外科手术术后并发症非临床因素风险,为术前评估和手术管理提供新视角,有助于提高手术安全性和优化手术结果。

关 键 词：神经外科手术 风险评估 非临床因素 机器学习 XGBoost 随机森林 

分 类 号：R651.1[医药卫生—外科学] TP181[医药卫生—临床医学]