文献

J-GLOBAL ID：202202273210213070   整理番号：22A0571378

甲状腺切除患者におけるACS-NSQIP手術リスク計算器の識別の評価【JST・京大機械翻訳】

Evaluating Discrimination of ACS-NSQIP Surgical Risk Calculator in Thyroidectomy Patients

著者 (12件)： Hsiao Vivian (University of Wisconsin-Madison, School of Medicine and Public Health, Madison, Wisconsin) ,  Hsiao Vivian (University of Wisconsin-Madison, Department of Surgery, Madison, Wisconsin) ,  Elfenbein Dawn M. (University of Wisconsin-Madison, School of Medicine and Public Health, Madison, Wisconsin) ,  Elfenbein Dawn M. (University of Wisconsin-Madison, Department of Surgery, Madison, Wisconsin) ,  Pitt Susan C. (University of Wisconsin-Madison, School of Medicine and Public Health, Madison, Wisconsin) ,  Pitt Susan C. (University of Wisconsin-Madison, Department of Surgery, Madison, Wisconsin) ,  Long Kristin L. (University of Wisconsin-Madison, School of Medicine and Public Health, Madison, Wisconsin) ,  Long Kristin L. (University of Wisconsin-Madison, Department of Surgery, Madison, Wisconsin) ,  Sippel Rebecca S. (University of Wisconsin-Madison, School of Medicine and Public Health, Madison, Wisconsin) ,  Sippel Rebecca S. (University of Wisconsin-Madison, Department of Surgery, Madison, Wisconsin) ,  Schneider David F. (University of Wisconsin-Madison, School of Medicine and Public Health, Madison, Wisconsin) ,  Schneider David F. (University of Wisconsin-Madison, Department of Surgery, Madison, Wisconsin)
資料名： Journal of Surgical Research  (Journal of Surgical Research)
巻： 271  ページ： 137-144  発行年： 2022年 
JST資料番号： A0886B  ISSN： 0022-4804  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ACS-NSQIP外科的リスク計算器(SRC)はしばしば術前カウンセリングを誘導するが,特定の集団における合併症の希少性はクラス不均衡を引き起こし,リスク予測を複雑にする。NSQIPデータで訓練された他の古典的機械学習アルゴリズムに対するACS-NSQIP SRCの性能を比較し,そのようなまれな事象の予測における課題と戦略を実証した。NSQIP甲状腺切除モジュールys2016~2018からのデータを用いて,外科的リスク(全身性および甲状腺切除特異的)の2つの異なる複合転帰を予測するため,ロジスティック回帰,Ridge回帰およびランダムフォレスト分類器を訓練した。不均衡クラスサイズに対処し,ACS-NSQIP SRCを含む各分類器に対する受信者動作特性(AUC)下の面積を,5%~15%予測リスク閾値での感度,特異性,陽性予測値(PPV)および陰性予測値(NPV)と共に,実装した。18,078名のうち,405名(2.24%)の患者は全身合併症と1670名(9.24%)の甲状腺切除特異的合併症を罹患した。ロジスティック回帰は,全身合併症リスク(AUC 0.723[0.658~0.778])の予測に最良であった;RUSBoostによるランダムフォレストは,甲状腺切除特異的合併症リスク(0.702,0.674~0.726)を予測するために最良であった。クラス不均衡に対する最適化の追加は,すべての分類器に対する性能を改善した。合併症は,複合転帰と考えられる場合でも甲状腺切除術後に稀であり,クラス不均衡は外科的リスク予測に挑戦をもたらす。介入が特定の検証閾値以上で起こる分類器としてSRCを用いて,合併症リスクの数値推定を引用するよりも,低リスク患者において考慮すべきである。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  カウンセリング ,  予測 ,  *リスク ,  *甲状腺 ,  計算機械 ,  *甲状腺切除 ,  *患者 ,  合併症 ,  学習アルゴリズム
準シソーラス用語： 不均衡 ,  ロジスティック回帰分析 ,  ランダムフォレスト ,  予測値 ,  クラス不均衡 , 【Automatic Indexing@JST】

著者キーワード (4件)： 情報科学 ,  甲状腺 ,  甲状腺切除術 ,  転帰

分類 (2件)： 術後処置・予後  (GC07050M) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 甲状腺切除 ,  患者 ,  ACS ,  手術リスク ,  計算器 ,  識別 ,  評価