基于机器学习的腹部手术患者术后死亡风险预测的研究

发布时间：2023-04-12 02:23

　　目的:随着手术量的逐年增加,患者的围术期安全愈发成为关注重点。根据2019年中国卫生年鉴显示,我国年手术量约为6000万例次,而手术患者的围术期死亡率高达2%,在合并基础疾病的患者中可达12%。准确的术前风险评估对尽早识别高危患者,提前进行干预治疗,为临床决策提供支持从而更好地保障患者的围术期安全至关重要。然而目前临床上常用的术前评估方法多为基于传统统计学方法建立的各种评分表,主观性强,评测耗时费力,尤其难以满足高危患者所需的持续动态评估。在患者病情日趋复杂,临床医生工作负担越来越重的今天,亟需一种快速、准确、客观的预测方法对患者的围术期风险进行评估预测,降低围术期死亡率,保障患者的围术期安全。因此,本研究联合中国科学院重庆绿色智能研究院,拟通过回顾性分析腹部手术后死亡患者的术前危险因素,并利用机器学习算法建立预测腹部手术后患者发生死亡的风险预测模型,为临床的术前风险评估探寻新方法。方法:1.通过医院大数据研究平台检索2007年1月至2018年12月期间,全麻下行腹部手术后发生院内死亡的158例患者作为阳性病例,根据阳性病例的年龄段和手术具体名称类型按统计学1:3要求,随机匹配同时间段...

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
缩略语表
英文摘要
中文摘要
第一章 前言
第二章 腹部手术后死亡患者的术前危险因素回顾性分析
    2.1 资料与方法
    2.2 结果
    2.3 讨论
    2.4 结论
第三章 基于机器学习算法预测腹部手术后死亡风险的研究
    3.1 资料与方法
    3.2 结果
    3.3 讨论
    3.4 结论
全文结论
参考文献
文献综述 围术期风险预测评估方法的研究进展
    参考文献
攻读学位期间的研究成果
致谢



本文编号：3790232