基于机器学习建立腹部大手术精细化营养支持策略的研究

发布时间：2024-01-27 10:56

　　目的:营养不良可增加术后并发症,合理营养支持能改善营养状况及结局。但目前制定营养方案多依据临床经验,很难达到个体化治疗。我们拟通过机器学习方法建立适合外科腹部大手术的精细化营养支持策略。资料与方法:采用观察性研究设计,选取腹部大手术者120例,术前均行营养评估,同时留取围手术期血标本检测代谢物及炎症因子水平。术后由接受培训的医生按现行指南设计个体化营养方案。利用机器学习以临床结局为导向分别建立术后第1、2、3天的支持向量机(Support Vector Machine,SVM)模型。通过逆运算法发现个体化最佳精细营养策略。最后运用代谢组学技术获取不同时点患者体内代谢物的变化,尝试建立验证营养治疗效果的规范和标准。结果:纳入统计89例符合研究标准的病例进入统计分析,Logistic回归分析结果表明年龄、疾病类型及是否开腹手术为影响并发症的主要危险因素。营养不良者的住院费用和住院时间均高于营养良好者;有并发症组MDA水平明显高于无并发症组,术后两组间IL-1a、MDA及IL-6无显著差异,两组间术后第5天与第1天的差值无统计学差异。通过机器学习建模能够找出未来同类型患者术后不同时点上最佳临...

【文章页数】：43 页

【学位级别】：硕士

图１?一维的１Ｈ－ＮＭＲ波谱图??

图2svkt模型分类判别工效曲线cR叱>a.术后第一天模型对结局的分类效果;b术后第二天模型对结局的分类效果;e术后第三天模型对结局的分类效果

图6术前与术后第1夭主要的糖代谢差异路径

图７术后第１天与术后第３天主要的蛋白质代谢差异路径??

本文编号：3886831