基于真实世界数据构建术后急性中重度疼痛风险预测模型
刘德成1
王益敏1
陈蔚星2
杨栋2
张辉1
1.暨南大学附属广东省第二人民医院,广东 广州 5103172.广州知汇云科技有限公司,广东 广州 510663
摘要：目的:基于真实世界医学数据,构建及验证患者术后急性中重度疼痛风险预测模型.方法:筛选2020年4月至2021年4月在暨南大学附属广东省第二人民医院行择期麻醉手术的成年患者2434例,将术后24 h运动视觉模拟评分法(VAS)评分作为结局指标,将患者分为轻度疼痛和中重度疼痛两个队列,筛选与术后中重度疼痛发生相关的指标并进行单因素分析,将差异具有统计学意义(P＜0.05)的指标用于构建预测模型,数据集以7:3的比例划分,用于建模与内部验证;筛选 2021 年 5 月至 2021 年 8 月的 1200 例相同条件的患者,这部分数据用于外部验证.通过受试者工作特征(ROC)曲线下面积(AUC)、准确度、F1等5种指标评估模型预测效果,采用夏普利算法(SHAP)图对最优模型进行解释.结果:随机森林(RF)预测模型整体性最好,基于SHAP分析可得出风险因素相对重要性排名,前六名依次是麻醉时长、手术时长、晶体使用量、体质量指数、胶体使用量和年龄.结论:本研究构建的术后急性疼痛预测模型体现出较好的预测性能.
关键词：术后疼痛真实世界研究风险因素预测模型机器学习
分类号：R441.1(诊断学)
资助基金：广东省重点领域研发计划项目(2020B01130019)
论文发表日期：2024-09-16
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( 1-5,后插1 )
英文信息