基于解剖标志预测下颌牵张成骨术皮埃尔·罗宾序列患者困难气道管理的机器学习模型
《Scientific Reports》:Prediction of tracheal intubation in patients with Pierre Robin sequence: development of a machine learning-based model
【字体:
大
中
小
】
时间:2026年09月22日
来源:Scientific Reports 4.9
编辑推荐:
皮埃尔·罗宾序列(PRS)患者通常需要多次尝试才能稳定气道。然而,目前尚无标准化算法来识别可预测气管插管难度及其临床影响的解剖标志。本研究旨在确定与接受下颌牵张成骨术(MDO)的PRS患者多次尝试稳定气道相关的预测因素,并评估其对临床结局的影响。研究纳入一个由348名PRS患
皮埃尔·罗宾序列(PRS)患者通常需要多次尝试才能稳定气道。然而,目前尚无标准化算法来识别可预测气管插管难度及其临床影响的解剖标志。本研究旨在确定与接受下颌牵张成骨术(MDO)的PRS患者多次尝试稳定气道相关的预测因素,并评估其对临床结局的影响。研究纳入一个由348名PRS患者(40.5%复合终点)组成的推导队列,这些患者于2021年1月至2023年6月间接受MDO治疗;同时分析了该队列中的104名患者(38.5%复合终点)作为内部测试集,以及来自不同中心的87名患者(36.8%复合终点)作为外部验证队列。采用机器学习和多变量回归分析来检验气管插管结果与解剖测量值之间的关系。五个变量与不良事件风险增加独立相关:下颌角较小、舌长较长、张口度减小、腭咽气流速度较高,以及撤机牵张长度较长(即撤出机械通气时实现的下颌前伸距离)。在推导队列中,XGBoost模型经过参数调优后表现优异,曲线下面积(AUC)达到0.952(95%置信区间0.928–0.976)。决策曲线分析显示阈值为84%。在外部验证队列中,该模型保持了稳健的性能,AUC为0.943(95%置信区间0.905–0.981)。该五因素模型能够有效识别接受MDO的PRS患者中复合高危气道管理事件的风险,从而指导临床决策。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号