| 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: |
| DOI： |
| 分类号: |
| 基金项目:嘉兴市医学重点专科—麻醉学（2023-ZC-001） |
|
|
|
|
| Abstract: |
|
| Key words: |
