PLoS ONE: Sammenligning af kunstigt neuralt netværk og logistisk regression Modeller for Forudsigelse In-Hospital Dødeligheden efter primær leverkræft kirurgi

Abstrakt

Baggrund

Da de fleste publicerede artikler, der sammenligner ydeevnen af ​​kunstige neurale netværk (ANN) modeller og logistisk regression (LR) modeller til forudsigelse hepatocellulært carcinom (HCC) udfald kun en brugt enkelt datasæt har afgørende spørgsmål om intern validitet (reproducerbarhed) af modellerne ikke blevet behandlet. Undersøgelsen formål at validere brugen af ​​ANN model til forudsigelse af dødeligheden i-hospitalet i HCC kirurgi patienter i Taiwan og til at sammenligne den prædiktive nøjagtighed ANN med den for LR model.

Metodologi /vigtigste resultater

Patienter som gennemgik en HCC operation i perioden 1998-2009 blev inkluderet i undersøgelsen. Denne undersøgelse efterfølgende sammenlignet 1.000 par LR og Ann modeller baseret på indledende kliniske data for 22,926 HCC kirurgi patienter. For hvert par af Ann og LR-modeller, området under modtageren opererer karakteristiske (AUROC) kurver, Hosmer-Lemeshow (H-L) statistik og nøjagtighed blev beregnet og sammenlignet ved hjælp af parrede T-test. En global følsomhedsanalyse blev også udført for at vurdere den relative betydning af inputparametre i systemet model og den relative betydning af variable. Sammenlignet med LR modeller, Ann modeller havde en bedre nøjagtighed i 97,28% af tilfældene, en bedre H-L statistik i 41,18% af tilfældene, og en bedre AUROC kurve i 84,67% af tilfældene. Surgeon volumen var den mest indflydelsesrige (følsomme) parameter påvirker in-hospital mortalitet efterfulgt af alder og længder af ophold.

Konklusioner /Betydning

I sammenligning med den konventionelle LR modellen, ANN-modellen i undersøgelsen var mere præcise i forudsige dødelighed på hospitalet og havde højere samlede præstation indeks. Yderligere undersøgelser af denne model kan overveje effekten af ​​en mere detaljeret database, der omfatter komplikationer og kliniske fund undersøgelse samt mere detaljerede resultatdata

Henvisning:. Shi HY, Lee KT, Lee HH, Ho WH, Sun DP, Wang JJ, et al. (2012) Sammenligning af kunstigt neuralt netværk og logistisk regression Modeller for Forudsigelse In-hospital Dødelighed efter primær leverkræft kirurgi. PLoS ONE 7 (4): e35781. doi: 10,1371 /journal.pone.0035781

Redaktør: William B. Coleman, University of North Carolina School of Medicine, USA

Modtaget: Januar 5, 2012; Accepteret: 21 mar 2012; Udgivet: 26 april, 2012