Verwendung eines künstlichen neuronalen Netzwerks zur Vorhersage von Risikofaktoren nosokomialer Infektionen bei Patienten mit Lungenkrebs

Statistische Methoden zur Analyse und Vorhersage der relevanten Risikofaktoren nosokomialer Infektionen bei Patienten mit Lungenkrebs sind vielfältig, aber die Ergebnisse sind inkonsistent. Insgesamt wurden 609 Patienten mit Lungenkrebs aufgenommen, um einen Faktorvergleich mit dem t-Test von Student oder dem Mann-Whitney-Test oder dem Chi-Quadrat-Test zu ermöglichen. Variablen, die signifikant mit dem Vorhandensein einer nosokomialen Infektion in Zusammenhang standen, wurden als Kandidaten für den Input in das endgültige ANN-Modell ausgewählt. Der unter der Receiver Operating Characteristic (ROC) Kurve liegende Bereich (AUC) wurde verwendet, um die Leistung des Modells des künstlichen neuronalen Netzwerks (ANN) und des logistischen Regressionsmodells (LR) zu bewerten. Die Prävalenz nosokomialer Infektionen aufgrund von Lungenkrebs in dieser gesamten Studienpopulation betrug 20,1 % (165/609), wobei nosokomiale Infektionen in Sputumproben (85,5 %) auftraten, gefolgt von Blut (6,73 %), Urin (6,0 %) und Pleuraergüssen (1,82 %). Es wurde gezeigt, dass eine langfristige Hospitalisierung (≥ 22 Tage, P= 0,000), ein schlechter klinischer Zustand (Stufen IIIb und IV, P=0,002), höheres Alter (≥ 61 Jahre, P=0,023) und die Verwendung von Hormonen mit nosokomialen Infektionen in Verbindung standen und das ANN-Modell aus diesen vier Faktoren bestand. Das Modell des künstlichen neuronalen Netzwerks mit Variablen, die aus Alter, klinischem Stadium, Dauer der Hospitalisierung und Verwendung von Hormonen bestehen, sollte nützlich sein, um nosokomiale Infektionen bei Lungenkrebserkrankungen vorherzusagen.