着重及目的：
先前原始数据辨识胃癌病人术后的生还效用就会增加。目前可用的计算术后效用的数学方法未达到最佳精确测量水平，未将切除术类型权衡外面。本研究工作目的是利用人群水平的原始数据来推导和核心验证在此之后胃癌切除术效用数学方法。
方法：
本篇研究工作顺利完成的回顾性描述符研究工作使用来自军医肝病描述符的原始数据，其之中包含128个来自加拿大医疗之中心的胃癌病人的简略原始数据。研究工作人员将切除术定义为腹腔切除术、血管切除、腹部切除术、瓣膜切除术、胸部切除术或整形切除，并使用多变数logistic重返数学方法对术后30天、90天和180天的感染率顺利完成机器学习（VOCAL-Penn数学方法）。我们将VOCAL-Penn的数学方法判别和精确测量与Mayo效用评分（MRS），MELD，MELD-Na和Child-Turcotte-Pugh（CTP）评分顺利完成了比较。
结果：
本研究工作在3785例胃癌病人之中鉴定了4,712例切除方式为。推导出在此之后VOCAL-Penn数学方法，并在核心顺利完成了验证（术后30天的感染率C统计量= 0.859，95％CI 0.809-0.909）。计算因素包括年龄、术前人体内、血小板计数器、半胱氨酸、切除术类别、急诊适应症、脂肪肝、加拿大医师协就会定义指标和糖尿病。在比对和精确测量层面，数学方法性能在所有时间点均高于MELD，MELD-Na，CTP和MRS（例如，术后30天感染率，MRS的C统计量= 0.766，95％CI为 0.676-0.855）。
结论：
VOCAL-Penn数学方法大大改善了对于胃癌病人术后感染率的计算。这些数学方法可在未来持续发展以改善术前效用一组分析并优化病人对于切除术方式为的为了让。
原始记事：
Nadim Mahmud, et al. Novel Risk Prediction Models for Post‐Operative Mortality in Patients with Cirrhosis. Hepatology. 2020.
相关新闻
相关问答
