极限梯度提升算法风险预测模型在全膝关节置换术后深静脉血栓中的预测性能

作者：刘佳丽; 冯自波; 谢燕妮; 黄松^*

来源：血管与腔内血管外科杂志, 2022, 8(05): 563-586.

DOI：10.19418/j.cnki.issn2096-0646.2022.05.11

• XGBoost算法
• 全膝关节置换术
• 深静脉血栓
• 风险预测模型

目的 探讨极限梯度提升（XGBoost）算法风险预测模型在全膝关节置换术（TKR）术后深静脉血栓（DVT）中的预测性能。方法 收集2020年1月至2021年12月华中科技大学同济医学院附属梨园医院收治的100例TKR患者，根据术后双下肢超声检查结果将患者分为DVT组（n=50）和非DVT组（n=50），分析XGBoost算法风险预测模型在TKP术后DVT中的预测性能。结果 两组患者糖尿病、高脂血症、美国麻醉医师协会（ASA）分级、损伤严重程度评分（ISS）、手术时间、术中输血量、术中失血量、住院时间比较，差异均无统计学意义（P> 0.05）。两组患者性别、年龄、从受伤到手术时间、血红蛋白、冠心病、合并多发伤比较，差异均有统计学意义（P <0.05）。XGBoost算法模型中重要特征得分前5项为合并多发伤、从受伤到手术时间、年龄、合并冠心病、术后1天D-二聚体。XGBoost算法模型的曲线下面积（AUC）为0.832(95%CI:0.748～0.916)。结论 基于XGBoost算法模型可以预测TKR术后患者发生DVT的风险因素，包括与TKR相关的多发性损伤、从受伤到手术时间、年龄、冠心病、术后1天D-二聚体，可作为TKR术后DVT的预测指标，并且其预测性能良好。

• 单位
  华中科技大学同济医学院附属梨园医院