可解释的LightGBM模型用于预测老年髋部骨折患者术后的胃肠道出血：利用全身炎症和药物暴露情况实现个性化风险分层

《BMC Geriatrics》：Interpretable LightGBM model for predicting postoperative gastrointestinal hemorrhage in elderly hip fracture patients: leveraging systemic inflammation and medication exposures for personalized risk stratification

　　

摘要

背景

术后胃肠道（GI）出血是老年人髋部骨折手术后的严重并发症，然而围手术期风险分层仍然有限，因为常用的GI出血评分并不适用于骨科环境。本研究旨在利用围手术期常规可用的数据，开发并内部验证一个可解释的模型，以预测老年髋部骨折患者的术后GI出血风险。

方法

我们回顾性地纳入了2023年1月至12月在河北医科大学第三医院接受髋部骨折手术的342名老年患者。结局指标为术后1个月内发生的GI出血，通过医疗记录和/或电话随访进行确认。患者被随机分为训练集（n = 242）和验证集（n = 100）。使用LASSO进行10折交叉验证筛选预测因子，然后通过多变量逻辑回归确定独立风险因素。训练并比较了10种预测算法。通过AUC、校准和决策曲线分析评估模型性能，并使用SHAP评估可解释性。

结果

共有38名患者（11.1%）发生了GI出血。多变量分析确定了四个独立预测因子：饮酒史（OR 8.109，95% CI 2.463–26.69）、糖皮质激素使用（OR 4.922，95% CI 1.055–22.97）、非甾体抗炎药（NSAID）使用（OR 6.851，95% CI 1.811–25.915）以及较高的全身炎症指数（SII）（OR 1.001，95% CI 1.000–1.002）。在测试的模型中，LightGBM表现出最佳的整体性能，训练集的AUC为0.843，验证集的AUC为0.817，校准效果良好，并且在决策曲线分析中具有最高的净收益。SHAP结果将特征重要性排序为SII、NSAID使用、饮酒史和糖皮质激素使用，这与回归分析结果一致。

结论

我们开发并验证了一个可解释的LightGBM模型，该模型利用常规可用的临床数据预测老年髋部骨折患者的术后GI出血风险。最终模型仅包含术前变量、全身炎症、NSAID使用、饮酒史和糖皮质激素使用，这支持其在手术前进行早期风险分层的应用。