试验通俗题目
基于可解释机器学习算法预测无痛胃镜检查患者镇静相关不良事件
试验专业题目
基于可解释机器学习算法预测无痛胃镜检查患者镇静相关不良事件
联系人邮箱
xiaoweijinwz@163.com
联系人通讯地址
中国浙江省温州市鹿城区温州市中西医结合医院锦绣路75号
研究负责人电话
+86 139 5871 8529
研究负责人邮箱
xiaoweijinwz@163.com
研究负责人通讯地址
中国浙江省温州市鹿城区温州市中西医结合医院锦绣路75号
试验项目经费来源
温州市科技局基础性科研项目(项目号:Y2023965)
试验目的
本研究的目的是构建一个基于可解释性XGBoost机器学习算法的预测模型,该模型能够根据患者自身特征、操作过程和麻醉情况等数据,准确地识别出无痛胃镜检查中高风险患者,并给出相应的预防措施和干预建议。与传统的机器学习模型不同,本研究强调模型的可解释性,即能够清楚地说明模型是如何做出预测的,以及每个特征对预测结果的贡献程度。为此,本研究采用了SHAP作为可解释性工具,通过计算每个特征值的SHAP值,来反映特征值对预测结果的影响方向和大小。
入选标准
(1) 18周岁以上; (2) ASA麻醉风险Ⅰ ~ Ⅱ级; (3) 择期胃镜检查的适应症患者; (4) 能够接受丙泊酚镇静的患者。
排除标准
(1) 睡眠呼吸暂停综合征患者; (2) 气道管理困难患者; (3) 胃排空功能障碍明显者; (4) 消化道急性出血者; (5) 神经精神疾病患者; (6) 孕妇; (7) 对蛋黄或大豆油过敏者(可能对丙泊酚过敏); (8) 不同意签署知情同意书的患者。