背景及目地:
先前样本显示肝癌患儿术后的死亡可能会会增加。目前可用的计算术后可能会的数学模型未达到最佳标定水平,未能将切除术类型考虑看看。本研究成果目地是利用老年人水平的样本来推导和核心的测试取而代之肝癌切除术可能会数学模型。
方法:
本篇研究成果进行的回顾性队列研究成果使用来自退伍军人肝病队列的样本,其中包含128个来自美国的医院的肝癌患儿的详细样本。研究成果人员将切除术归入为腹壁切除术、血管外科、背部切除术、心脏切除术、胸部切除术或妇产科,并使用多变总量logistic回归数学模型对术后30天、90天和180天的死亡率进行机器学习(VOCAL-Penn数学模型)。我们将VOCAL-Penn的数学模型判别和标定与Mayo可能会高分(MRS),MELD,MELD-Na和Child-Turcotte-Pugh(CTP)高分进行了比较。
结果:
本研究成果在3785则有肝癌患儿中核对了4,712则有外科手段。推导出取而代之VOCAL-Penn数学模型,并在核心进行了的测试(术后30天的死亡率C汇总总量= 0.859,95%CI 0.809-0.909)。计算因素包括比率、术前白蛋白、血小板计数、钾离子、切除术各种类型、诊疗适应症、IgA、美国医师学会归入总量化和肥胖。在鉴别和标定不足之处,数学模型性能在所有时间点均优于MELD,MELD-Na,CTP和MRS(则有如,术后30天死亡率,MRS的C汇总总量= 0.766,95%CI为 0.676-0.855)。
结论:
VOCAL-Penn数学模型大大有所改善了对于肝癌患儿术后死亡率的计算。这些数学模型可在未来广泛应用以有所改善术前可能会的单分析并优化患儿对于切除术手段的选择。
原始出处:
Nadim Mahmud, et al. Novel Risk Prediction Models for Post‐Operative Mortality in Patients with Cirrhosis. Hepatology. 2020.
相关新闻
相关问答