Kernkonzepte
Verschiedene Maschinenlernmodelle, einschließlich Gaussian Naive Bayes, Complement Naive Bayes, K-Nearest Neighbour, Entscheidungsbaum und Überabtastungstechniken, wurden angewendet, um den Behandlungserfolg von Patienten nach metabolischer bariatrischer Chirurgie vorherzusagen. Die Ergebnisse zeigen, dass sozioökonomische und psychometrische Variablen die besten Vorhersagen liefern.
Zusammenfassung
Die Studie untersuchte den Einsatz verschiedener Maschinenlernmodelle, um den Behandlungserfolg von Patienten nach metabolischer bariatrischer Chirurgie vorherzusagen. Das Datensatz umfasste 73 Patienten und beinhaltete psychometrische, sozioökonomische und analytische Variablen.
Die Ergebnisse zeigten, dass:
- Verbesserte Versionen von K-Nearest Neighbour und Entscheidungsbaum sowie Variationen von K-Nearest Neighbour wie RandomOverSampler und SMOTE die besten Ergebnisse lieferten.
- Die Kombination sozioökonomischer und psychometrischer Variablen die höchste durchschnittliche F1-Punktzahl von 0,532 ergab.
- Einzeln betrachtet erzielten die Variablen der EuroQol5-Lebensqualitätsskala mit einem durchschnittlichen F1-Wert von 0,524 die besten Ergebnisse.
- Die Analytvariablen erzielten zwar den höchsten Einzelwert mit 0,667 F1-Punkten, hatten aber insgesamt einen deutlich niedrigeren Durchschnittswert von 0,403.
Die Studie zeigt, dass die Berücksichtigung sozioökonomischer und psychometrischer Faktoren neben den klinischen Variablen entscheidend für die Vorhersage des Behandlungserfolgs in der metabolischen bariatrischen Chirurgie sein kann.
Statistiken
66,7% der Patienten erreichten einen Gewichtsverlust von mindestens 50% des Übergewichts.
45,8% der Patienten waren erfolglos, während 54,2% erfolgreich waren.
Zitate
"Die Ergebnisse unterstreichen die Bedeutung der Auswahl geeigneter Variablen und des Einsatzes vielfältiger Ansätze, um eine optimale Leistung zu erzielen."
"Die entwickelte Lösung hat das Potenzial, Fachkräfte im Gesundheitswesen bei der Entscheidungsfindung zu unterstützen und so die Ergebnisse der metabolischen bariatrischen Chirurgie zu verbessern."