基于机器学习的PICC相关性上肢深静脉血栓形成预测

作者：孙玉萍; 宋岗; 张建美; 宋云萍

来源：循证护理, 2021, 7(15): 2071-2075.

• 机器学习
• 经外周静脉穿刺中心静脉置管
• 上肢静脉血栓形成
• 预测
• Seeley量表

目的:建立基于机器学习(ML)的经外周静脉穿刺中心静脉置管(PICC)相关性上肢深静脉血栓形成(UEDVT)预测模型,并评价效果。方法:便利抽样选取2016年4月—2019年12月在山东省胶州市人民医院行PICC置入术的恶性肿瘤病人357例。通过常规超声检查或超声造影检测UEDVT,利用最小绝对收缩和选择算子(LASSO)回归算法建立ML模型:Seeley量表模型(ML-Seeley-LASSO)和ML模型,将发生UEDVT和未发生UEDVT的病人信息,随机分配到2个模型的训练集和测试集,比较机器学习与现有预测工具的预测效果。结果:ML训练集和测试集优于Seeley评估结果,训练集中ML-Seeley-LASSO性能优于ML-LASSO;测试集中ML-LASSO性能优于ML-Seeley-LASSO。使用ML模型(ML-LASSO,ML-Seeley-LASSO)在PICC相关UEDVT中显示出良好的效能(受试者工作特征曲线下的面积分别为0.856,0.799),均优于当前使用的Seeley评估工具。结论:利用ML建模的方法,可以对PICC相关性UEDVT风险做出相对精准地评估和预测,以期在未来临床工作中有效降低PICC相关UEDVT的发生率。

• 单位
  胶州市人民医院