基于人工神经网络技术构建围术期病人低体温风险预测模型
项海燕
黄立峰
朱锋杰
张浩
浙江大学医学院附属第二医院,浙江 310009
摘要：目的:运用具有深度学习能力的神经网络技术构建并检验围术期病人低体温风险预测模型.方法:回顾性收集临床病例大数据,通过循证和临床相结合的方式筛选出预测模型的建模变量,基于神经网络技术构建预测模型,通过预测模型的准确率、特异度和曲线下面积(AUC)等指标检测其性能.结果:建模的训练集和测试集病例资料的基线特征一致(P>0.05);训练集和测试集预测模型准确率均>75％,阴性预测值>0.9,特异度>0.8,AUC>0.70,模型决策曲线优于随机方案.结论:基于大数据运用神经网络技术构建围术期病人低体温风险预测模型具有可行性,能够为科学预测围术期低体温提供新的方法.
关键词：神经网络技术围术期低体温预测模型深度学习人工智能
资助基金：浙江省医药卫生科技计划项目(2020KY146)
论文发表日期：2022-03-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 767-772 )
英文信息