肺癌切除术患者术中低血压风险预测模型的构建研究
张捷
刘畅
南京市江宁医院麻醉科,南京 211100
摘要：目的 探讨肺癌切除术术中低血压(IOH)的危险因素,构建基于因果推断和机器学习相结合的预测模型与风险评分系统.方法 本研究纳入160例肺癌切除术患者,基于2020年1月至2022年12月的单中心回顾性数据构建了训练集(n=100)与内部验证集(n=30),并前瞻性收集2023年1月至2023年12月期间同中心30例患者构成外部验证集.应用单因素分析、最小绝对值收缩与选择算子(LASSO)回归识别IOH风险因素,基于有向无环图识别混杂因素并采用倾向评分匹配方法进行因果推断,随后采用随机森林、XGBoost、逻辑回归等机器学习模型进行预测性能比较,并建立临床风险评分系统.结果 通过对训练集、内部验证集和外部验证集患者的基线分析,确认3组在除白蛋白水平与晶体液输注量外的主要指标上均具有可比性(P＞0.05).单因素分析及LASSO回归筛选出高血压史、手术时长延长、β受体阻滞剂使用、全肺切除、低血红蛋白及高龄为IOH的关键危险因素.因果推断分析进一步证实,高血压史与手术时长对术中低血压具有显著的平均因果效应,其效应值分别为0.405(P＜0.001)和0.252(P=0.016).在此基础上,融合机器学习建模与专家共识,构建了包含8个变量的IOH风险评分系统.机器学习模型中,随机森林表现最优,其受试者工作特征曲线下面积(AUC)为0.795.该评分系统在外部验证中显示出良好的区分度(AUC=0.692)、校准度(Brier分数=0.186)与临床适用性(决策曲线净获益更优),并以≥8分为高风险切点,实现了显著的风险分层(高风险组IOH发生率76.9％vs.低风险组0％).结论 结合因果推断与机器学习构建的预测模型和风险评分系统具有良好的风险分层能力,可用于指导肺癌切除术术中管理.
关键词：肺癌术中低血压因果推断机器学习风险评分
论文发表日期：2026-01-28
在线出版日期：2026-03-18（本平台首次上网日期，不代表文献的发表时间）
页数：8( 39-46 )
英文信息