客观的
在接受治疗的癌症患者中，虚弱被认为是一个重要的考虑因素，包括脊柱手术。在脊柱转移的背景下，虚弱的定义尚不清楚，很少有人研究这些标志物及其与术后预后和生存的关系。利用国家数据库，转移性脊柱肿瘤脆弱指数(MSTFI)被开发为预测这一特定患者群体预后的工具，但尚未通过外部数据进行测试。本研究的目的是用机构数据测试MSTFI的性能，并确定机器学习方法是否可以更好地识别脆弱性指标作为结果的预测因子。开云体育世界杯赔率
开云体育世界杯赔率
2010年至2019年，马萨诸塞州总医院479名接受转移性脊柱肿瘤手术的成年患者的电子健康记录数据为MSTFI形成了一个验证队列，以预测主要并发症、住院死亡率和住院时间(LOS)。MSTFI的9个参数用3种机器学习算法(lasso正则化逻辑回归、随机森林和梯度增强决策树)建模，以评估临床结局预测并确定变量重要性。通过计算受试者工作特征曲线(auroc)下的面积、校准和混淆矩阵指标(阳性预测值、灵敏度和特异性)来测量模型的预测性能，并进行内部bootstrap验证。
结果
479例患者(中位年龄64岁[IQR 55-71岁];58.7%男性)，28.4%脊柱手术后有并发症。住院死亡率为1.9%，平均生存期为7.8天。在验证队列中，MSTFI在预测并发症(AUROC 0.56, 95% CI 0.50-0.62)和住院死亡率(AUROC 0.69, 95% CI 0.54-0.85)方面的辨别能力较差。对于术后并发症，机器学习方法比用于开发MSTFI的逻辑回归模型显示出更大的优势(随机森林AUROC 0.62, 95% CI 0.56 - 0.68 vs逻辑回归AUROC 0.56, 95% CI 0.50-0.62)。随机森林模型的阳性预测值最高(0.53,95% CI 0.43-0.64)，阴性预测值最高(0.77,95% CI 0.72-0.81)，慢性肺部疾病、凝血功能障碍、贫血和营养不良被认为是术后并发症最重要的预测因素。
结论
这项研究强调了在转移性脊柱肿瘤人群中定义和量化虚弱的挑战。在这一特定人群中，需要进一步的研究来改进手术虚弱的确定。
