导图社区 预测结肠肿瘤手术并发症：一种机器学习方法
文献阅读模板，包含SHAP值蜂窝状图、ROC曲线-开放程序,、ROC曲线-腹腔镜手术,、显示患者选择标准的流程图、数据提取和处理、决策树分类器预测住院病人死亡率的实例。
社区模板帮助中心，点此进入>>
论语孔子简单思维导图
《傅雷家书》思维导图
《童年》读书笔记
《茶馆》思维导图
《朝花夕拾》篇目思维导图
《昆虫记》思维导图
《安徒生童话》思维导图
《鲁滨逊漂流记》读书笔记
《这样读书就够了》读书笔记
妈妈必读：一张0-1岁孩子认知发展的精确时间表
预测结肠肿瘤手术并发症：一种机器学习方法
FIGURE 1. 决策树分类器预测住院病人死亡率的实例。 A、这个样本决策树从一个问题开始，“病人是女性吗?”(根节点)，并根据答案进行分支，随后是后续问题(分支节点)和最终答案(终端或叶节点)。叶节点中显示的百分比确定了具有感兴趣结果的患者的比例。 B，随机森林通过组合多个单独模型的预测来创建一个模型;随机森林的各个模型是决策树。人工神经网络由节点(神经元)组成，这些节点(神经元)被组织成不同的层(输入层、隐藏层和输出层)。每个神经元接收来自前一层神经元的输入(带有数学上调整的参数，称为权重和偏差)，这使得它能够学习并做出更准确的预测。APR DRG =所有患者精细化诊断相关组;充血性心力衰竭。
子主题
FIGURE 2. 数据提取和处理。使用ICD诊断和程序代码在NIS数据库中确定接受择期腹腔镜或开放式部分结肠切除术的成年患者。进一步提取数据，包括患者人口统计学、合并症和术后并发症，并在使用机器学习算法进行分析之前使用预定义的标准进行清理和过滤。利用算法进行风险预测，评估模型的性能，计算出SHAP值并在蜂群图上绘制。自适应合成;AUC = ROC曲线下面积;国际疾病分类;LOS =停留时间;全国住院病人样本;ROC =受试者工作特征;SHapley加法解释。
FIGURE 3. 显示患者选择标准的流程图。国际疾病分类
FIGURE 4. ROC曲线-腹腔镜手术。ROC曲线是模型的真阳性率(敏感性)对假阳性率(1 -特异性)的图。每条5倍交叉验证ROC曲线均显著高于每条术后并发症的虚线0.5，表明人工神经网络模型在预测腹腔镜手术后结果方面比算法随机猜测要好得多。 ROC曲线<1，说明人工神经网络模型的预测能力不完善。人工神经网络;AUC = ROC曲线下面积;ROC =受试者工作特性。
FIGURE 5. ROC曲线-开放程序。ROC曲线是模型的真阳性率(敏感性)对假阳性率(1 -特异性)的图。每条5重交叉验证ROC曲线均显著高于术后各并发症的虚线0.5，表明人工神经网络模型在开放性手术后预测预后方面比算法随机猜测要好得多。ROC曲线<1，说明人工神经网络模型的预测能力不完善。人工神经网络;AUC = ROC曲线下面积;ROC =受试者工作特性。
FIGURE 6. SHAP值蜂窝状图。蜂群图表示表现最好的模型，即人工神经网络的SHAP值。每个点代表一次住院。对于每个变量(y轴)，点沿x轴分布，使得给定变量对模型输出贡献很大的医院住院率位于边缘，而该变量没有贡献的住院率位于中心。点的颜色与变量的值相对应:红点代表高值，蓝点代表低值。最重要的5个变量按重要性沿y轴排列，贡献最大的变量(基于聚合的SHAP值)位于顶部。APRDRG =所有患者精细化诊断相关组;SHapley加法解释。
