法医生物力学杂志

抽象的

机器学习方法预测创伤性主动脉损伤患者的生存率

尼斯林·施班、亨利·詹、尼玛·科卡比、贾姆里克-奥马里·约翰逊、塔里克·汉纳、贾斯汀·施拉格、朱迪·吉乔亚、伊蒙·班纳吉、哈里·特里维迪、约书亚·高尔、安德鲁·埃尔哈布尔

国家创伤数据库 (NTDB) 是创伤患者诊断、治疗和结果信息的资源。我们利用 NTDB 和机器学习技术来预测创伤性主动脉损伤后的生存率。我们使用 NTDB 创建了两个预测模型 - 1) 使用所有数据，2) 仅使用到达后第一个小时内可用的数据（预期数据）。在特征工程之前和之后测试了七种判别模型类型以降低维度。表现最佳的模型是 XG Boost，使用所有数据实现了 0.893 的总体准确率，使用预期数据实现了 0.855 的总体准确率。特征工程提高了所有模型的性能。格拉斯哥昏迷量表评分是生存的最重要因素，胸主动脉血管内修复在幸存患者中更为常见。吸烟、肺炎和尿路感染预示着较差的生存率。我们还注意到黑人和无保险患者的结果存在差异，这可能反映了护理方面的差异。