Ensemble machine learning for the prediction of patient-level outcomes following thyroidectomy.
Ensemble machine learning for the prediction of patient-level outcomes following thyroidectomy.
复制标题
甲状腺切除术后患者水平结局的预测的集合机器学习。
DOI：
10.1016/j.amjsurg.2020.11.055
复制
发表时间：
2021-08
影响因子：
3
通讯作者：
Suh I
中科院分区：
文献类型：
--
作者：
Seib CD;Roose JP;Hubbard AE;Suh I
准确预测甲状腺切除术并发症对于为治疗决策提供信息是必要的。集成机器学习提供了一种改进预测的方法。我们将超级学习者 (SL) 算法应用于 2016-2018 年甲状腺切除术特定 NSQIP 数据库，以预测甲状腺切除术后的并发症。交叉验证用于评估模型辨别力和精度。在17,987例接受甲状腺切除术的患者中，喉返神经损伤、术后出院前或30天内低钙血症以及颈部血肿的发生率分别为6.1%、6.4%、9.0%和1.8%。与基准逻辑回归方法相比，SL 改进了对甲状腺切除术特定结果的预测。对于出院前的术后低钙血症，SL 将交叉验证的 AUROC 提高至 0.72 (95% CI 0.70–0.74)，而使用手动策划的逻辑回归算法时为 0.70 (95% CI 0.68–0.72；p<0.001)。集成机器学习适度提高了对甲状腺切除术特定结果的预测。 SL 有望提供更准确的患者级别风险预测，为治疗决策提供信息。
Accurate prediction of thyroidectomy complications is necessary to inform treatment decisions. Ensemble machine learning provides one approach to improve prediction. We applied the Super Learner (SL) algorithm to the 2016–2018 thyroidectomy-specific NSQIP database to predict complications following thyroidectomy. Cross-validation was used to assess model discrimination and precision. For the 17,987 patients undergoing thyroidectomy, rates of recurrent laryngeal nerve injury, post-operative hypocalcemia prior to discharge or within 30 days, and neck hematoma were 6.1%, 6.4%, 9.0%, and 1.8%, respectively. SL improved prediction of thyroidectomy-specific outcomes when compared with benchmark logistic regression approaches. For postoperative hypocalcemia prior to discharge, SL improved the cross-validated AUROC to 0.72 (95%CI 0.70–0.74) compared to 0.70 (95%CI 0.68–0.72; p<0.001) when using a manually curated logistic regression algorithm. Ensemble machine learning modestly improves prediction for thyroidectomy-specific outcomes. SL holds promise to provide more accurate patient-level risk prediction to inform treatment decisions.
登录
查看更多内容
加权广义分数统计量，用于比较诊断测试的预测值。
影响因子：
2
作者：
Kosinski, Andrzej S.
通讯作者：
Kosinski, Andrzej S.
影响因子：
3.8
作者：
Iannuzzi, James C.;Fleming, Fergal J.;Moalem, Jacob
通讯作者：
Moalem, Jacob
影响因子：
1.6
作者：
Caulley, Lisa;Johnson-Obaseki, Stephanie;Javidnia, Hedyeh
通讯作者：
Javidnia, Hedyeh
DOI：
10.1198/106186006x133933
发表时间：
2006-09-01
影响因子：
2.4
作者：
Hothorn, Torsten;Hornik, Kurt;Zeileis, Achim
通讯作者：
Zeileis, Achim
影响因子：
2.5
作者：
HOERL, AE;KENNARD, RW
通讯作者：
KENNARD, RW