基于患者报告结局的隆鼻术患者预后预测及护理决策系统研究
乔海侠
马娜
马显杰
贾维娜
杨敏利
空军军医大学第一附属医院(西京医院)整形外科,陕西西安 710032
摘要：目的 针对隆鼻术患者术后高并发症与满意度不协调的问题,开发基于自动机器学习(automated machine learn-ing,AutoML)的预后预测模型及临床决策系统.方法 回顾性分析自2019年3月至2024年1月,空军军医大学第一附属医院(西京医院)整形外科收治256例行隆鼻术患者的临床资料,收集临床基线、手术操作、围术期管理及术后行为等多维度数据,预后指标包括术后1个月不良事件和术后1年鼻整形结果评价量表(rhinoplasty outcome evaluation,ROE)评分.采用改进型捕鱼优化算法(improved catch fish optimization algorithm,ICFOA)构建AutoML框架,通过CEC2022基准函数验证并优化特征选择流程,运用SHAP实现关键变量的量化解析,最终开发基于MATLAB的可视化临床决策支持系统.结果 ICFOA-AutoML模型在测试集性能显著优于其他模型:术后1个月并发症分类任务的AUC达0.9158,术后1年ROE评分回归预测的R2=0.8783.夏普利加性解释(SHapley Additive exPlanations,SHAP)分析识别核心预测因子,短期以术后鼻部碰撞、术前鼻孔毛孔粗大、术后鼻部毛囊炎为主,长期以术前ROE评分、学历和假体修雕不理想为关键因子.决策曲线证实模型较传统方法净获益提升.结论 本研究建立了一个AutoML驱动的隆鼻术患者预后管理框架,通过动态风险分层与可解释人工智能的结合,有效弥补了手术操作与患者报告结局之间的评估鸿沟,为美容外科决策提供新模式.
关键词：隆鼻术自动机器学习患者报告结局预后预测可解释人工智能临床决策支持系统
论文发表日期：2026-01-15
在线出版日期：2026-03-25（本平台首次上网日期，不代表文献的发表时间）
页数：7( 43-48,后插5 )
英文信息