基于机器学习的甲状腺手术后恶心呕吐因素分析.pdfVIP

浙江医学2024年第46卷第23期

●论著

基于机器学习的甲状腺手术后

恶心呕吐因素分析

邱情万重阳路伟娜沈徐

【摘要】目的筛选甲状腺术后恶心、呕吐的相关因素，并建立预测模型评估系统。方法收集2022年9月至2023

年3月在嘉兴市第一医院择期行甲状腺手术的196例患者资料，采用Python编程语言构建一个全面的模型及预测评估系统。

在模型构建过程中，采用支持向量机、决策树、随机森林、逻辑回归和自适应增强（Adaboost）等5种机器学习方法。为确保模型

的稳健性，从数据集中随机选取了90%的数据组成训练集，并将剩余10%的数据作为验证集进行验证。采用十折交叉验证方

法对模型准确度进行评估。结果196例患者中术后恶心、呕吐组73例，无恶心、呕吐组123例。单因素分析结果显示，

两组患者在性别、吸烟史、饮酒史、晕动病史或恶心、呕吐史、液体输入量、舒芬太尼及瑞芬太尼用量之间比较差异均有统

计学意义（均P＜0.05）。5种机器学习算法构建了预测模型，发现Adaboost算法构建的模型预测甲状腺术后恶心、呕吐准

确度最佳（MeanAUC=0.74）。结论Adaboost模型预测甲状腺术后恶心、呕吐准确度最佳，可开发软件应用于临床实践，根

据预测结果采取有针对性的防治措施，有效预防术后恶心、呕吐的发生。

【关键词】机器学习；甲状腺手术；术后恶心、呕吐

Constructionofpredictionmodelsforpostoperativenauseaandvomitinginpatientswiththyroidsurgerybasedonmachine

learning

QIUQing,WANChongyang,LUWeina,SHENXu

Authorsaddress:DepartmentofAnesthesiology,AffiliatedHospitalofJiaxingUniversity,Jiaxing314000,China

Correspondingauthor:SHENXu,E-mail

【Abstract】ObjectiveToconstructmachinelearningmodelsforpredictingpostoperativenauseaandvomiting(PONV)

inpatientsundergoingthyroidsurgery.MethodsClinicaldataof196patientswhounderwentelectivethyroidsurgeryat

AffiliatedHospitalofJiaxingUniversityfromSeptember2022toMarch2023werecollected,including73patientswith

postoperativenauseaandvomiting(PONVgroup)and123patientswithoutPONV(non-PONVgroup).Acomprehensive

modelandpredictiveevaluationsystemwereconstructedusingthePythonprogramminglanguage.Fiveclassicmachine

learningmethodswereused,includingsupportvectormachine,decisiontree,randomforest,logisticregression,and

adaptiveboost(Adaboost).Toensuretherobustnessofthemodel,90%ofthedatawererandomlyselectedasthe

trainingset,and10%ofthedataasthevalidationset.Tofurtherevaluatetheperformanceofthemodel,ten-foldcross-

val