Журнал судебной биомеханики

Абстрактный

Методы машинного обучения для прогнозирования выживаемости пациентов после травматического повреждения аорты

Нисрин Шибан, Генри Жан, Нима Кокаби, Джамлик-Омари Джонсон, Тарек Ханна, Джастин Шрагер, Джуди Гичоя, Имон Банерджи, Хари Триведи, Джошуа Гал, Эндрю Эльхабр

Национальный банк данных о травмах (NTDB) — это ресурс информации о диагностике, лечении и результатах лечения пациентов с травмами. Мы используем NTDB и методы машинного обучения для прогнозирования выживаемости после травматического повреждения аорты. Мы создаем две прогностические модели с использованием NTDB: 1) с использованием всех данных и 2) с использованием только данных, доступных в течение первого часа после прибытия (проспективные данные). Семь типов дискриминационных моделей были протестированы до и после проектирования признаков для снижения размерности. Наиболее эффективной моделью была XG Boost, достигшая общей точности 0,893 при использовании всех данных и 0,855 при использовании проспективных данных. Проектирование признаков улучшило производительность всех моделей. Оценка по шкале комы Глазго была наиболее важным фактором для выживания, а эндоваскулярное восстановление грудной аорты было более распространено у выживших пациентов. Курение, пневмония и инфекция мочевыводящих путей прогнозировали плохую выживаемость. Мы также отмечаем беспокоящие различия в результатах для чернокожих и незастрахованных пациентов, которые могут отражать различия в уходе.