口腔癌手術の在院日数予測モデル：機械学習、統計、ACS-NSQIP

Length of Stay Prediction Models for Oral Cancer Surgery: Machine Learning, Statistical and ACS-NSQIP.

抄録

目的:

口腔癌（OCC）の外科的治療後の在院日数（LOS）を正確に予測することは、患者カウンセリング、病院資源の利用、およびコストの改善に関連する可能性がある。本研究の目的は、統計モデル、機械学習（ML）モデル、およびThe American College of Surgeons National Surgical Quality Improvement Program（ACS-NSQIP）の計算機の、OCCの手術後のLOS予測における性能を比較することである。

OBJECTIVE: Accurate prediction of hospital length of stay (LOS) following surgical management of oral cavity cancer (OCC) may be associated with improved patient counseling, hospital resource utilization and cost. The objective of this study was to compare the performance of statistical models, a machine learning (ML) model, and The American College of Surgeons National Surgical Quality Improvement Program's (ACS-NSQIP) calculator in predicting LOS following surgery for OCC.

材料と方法:

2つの主要な学術頭頸部がんセンターにおいて、後方視的多施設データベース研究が実施された。2008年1月から2019年6月手術の間に主要なフリーフラップ再建手術を受けたOCC患者を抽出した。データはプールされ、トレーニングデータセットと検証データセットに分割された。統計モデルとMLモデルを開発し、相関係数値とパーセント精度を用いて予測LOSと実際のLOSを比較することにより性能を評価した。

MATERIALS AND METHODS: A retrospective multicenter database study was performed at two major academic head and neck cancer centers. Patients with OCC who underwent major free flap reconstructive surgery between January 2008 and June 2019 surgery were selected. Data were pooled and split into training and validation datasets. Statistical and ML models were developed, and performance was evaluated by comparing predicted and actual LOS using correlation coefficient values and percent accuracy.

結果:

合計837人の患者が選択され、平均年齢は62.5±11.7歳［SD］、67％が男性であった。MLモデルは、多変量解析（0.45、67％）、最小絶対縮小率および選択演算子（0.42、70％）の統計モデルと比較して、最高の精度（検証相関0.48、4日精度70％）を示した。いずれもACS-NSQIP計算機の性能（0.23、59％）より優れていた。

RESULTS: Totally 837 patients were selected with mean patient age being 62.5 ± 11.7 [SD] years and 67% being male. The ML model demonstrated the best accuracy (validation correlation 0.48, 4-day accuracy 70%), compared with the statistical models: multivariate analysis (0.45, 67%) and least absolute shrinkage and selection operator (0.42, 70%). All were superior to the ACS-NSQIP calculator's performance (0.23, 59%).

結論:

我々は、OCCに対する主要なフリーフラップ再建手術後のLOSを予測する統計モデルとMLモデルを開発した。我々のモデルはACS-NSQIP計算機よりも優れた予測性能を示した。MLモデルはLOSの新規予測因子をいくつか同定した。これらのモデルは、臨床で使用する前に他の施設で検証する必要がある。

CONCLUSION: We developed statistical and ML models that predicted LOS following major free flap reconstructive surgery for OCC. Our models demonstrated superior predictive performance to the ACS-NSQIP calculator. The ML model identified several novel predictors of LOS. These models must be validated in other institutions before being used in clinical practice.

エビデンスレベル:

3 Laryngoscope, 134:3664-3672, 2024.

LEVEL OF EVIDENCE: 3 Laryngoscope, 134:3664-3672, 2024.