基于SMOTE算法的创伤性骨折患者术后手术部位感染预测模型构建及其效能评估

摘要

目的 基于合成少数类过采样技术（synthetic minority over-sampling technique,SMOTE）算法构建创伤性骨折患者术后手术部位感染的风险预测模型，并分析其应用价值。方法 回顾性分析2020年1月—2025年2月于扬州大学附属医院接受内固定手术治疗的创伤性骨折患者523例。根据术后30 d内手术部位是否发生感染，将其分为感染组和未感染组。比较2组临床资料，筛选与创伤性骨折患者术后手术部位感染有关的危险因素，并基于SMOTE算法重建影响因素原始数据，获得风险预测模型，评估模型预测效能。结果 感染组糖尿病、开放性骨折、Ⅱ/Ⅲ类手术切口占比均较高于未感染组（P<0.05），手术时间长于未感染组（P<0.05），白蛋白（albumin,ALB）水平低于未感染组（P<0.05），其余参数比较差异无统计学意义（P>0.05）；多因素分析结果显示，糖尿病、开放性骨折、Ⅱ/Ⅲ类手术切口、手术时间长、ALB水平低均为创伤性骨折患者术后手术部位感染的独立危险因素（P<0.05）；原始数据预警模型：Logit（P1）=-3.826+0.719×糖尿病+1.009×骨折类型+0.852×手术时间+0.626×手术切口+0.924×ALB，基于SMOTE算法的模型：Logit（P2）=-2.549+0.760×糖尿病+0.990×骨折类型+0.867×手术时间+0.653×手术切口+0.957×ALB,Hosmer-Lemeshow（H-L）检验结果显示，2个模型均具有良好的拟合度（决定系数R²=0.671、0.623,P均>0.05）；分别以2个模型的预警概率P为诊断变量，以创伤性骨折患者术后是否出现手术部位感染为金标准，绘制受试者工作特征曲线，结果显示，2个模型的曲线下面积分别为0.825（95%CI:0.742～0.853）、0.939（95%CI:0.886～0.947）；相较于原始数据预测模型，基于SMOTE算法的预测模型的阳性预测值、F分数均较高，真阳性率值偏低。结论 糖尿病、开放性骨折、手术切口类型、手术时间、ALB水平均为创伤性骨折患者术后手术部位感染的影响因素，根据上述参数构建的SMOTE模型预测效能优于传统Logistic回归模型。

关键词

骨折 / 合成少数类过采样技术 / 感染