来源：期刊VIP网 时间：
作者：李锐;金宁;韩天阳;李忻;
单位：吉林大学中日联谊医院药学部;吉林大学公共卫生学院;
摘要：目的 基于机器学习算法，构建围术期吸入麻醉药给药剂量的预测模型，并通过临床嵌入应用，验证其在降低医疗成本与提升麻醉质量方面的实际效果。方法 回顾性分析吉林大学中日联谊医院2023年34 469例接受七氟烷或地氟烷吸入麻醉的手术患者，将疾病诊断相关分组（DRG）实施前后的患者分为对照组（2023年1-7月）和模型组（2023年8-12月）。采用独立样本t检验比较两组麻醉药用量；通过单因素和多因素线性回归分析麻醉时间与各变量的关联；采用决策树（DT）、随机森林（RF）、梯度提升机（GBM）、极端梯度提升（XGBoost）四种机器学习算法，通过交叉验证评估模型性能。基于最优算法筛选变量，进而构建广义线性回归模型（GLM），并反推得出吸入麻醉药剂量预测公式。结果 与对照组相比，模型组七氟烷和地氟烷平均给药剂量分别下降15.38%和15.14%（均P<0.001）。XGBoost在四种机器学习模型中性能最优，基于其筛选的关键变量构建的GLM模型具有良好稳健性[七氟烷组决定系数（R~2）=0.561，地氟烷组R~2=0.689]。将预测模型嵌入医院信息管理系统后，2024年1-7月与2023年同期相比：七氟烷与地氟烷使用量分别下降23.06%与34.09%，销售金额分别下降20.70%与34.10%；手术患者麻醉用药总金额下降31.97%，人均费用下降30.37%；全身麻醉术中知晓发生率、麻醉后新发昏迷发生率显著下降，术后镇痛满意率显著提升。结论 本研究构建的基于机器学习算法的吸入麻醉药精细化给药预测模型具有良好的预测性能，简单易行，能有效降低麻醉药品消耗、减轻患者费用、显著提升围术期医疗质量，为DRG支付模式下的麻醉费用精准管控与用药个体化提供了可行工具。
关键词：疾病诊断相关分组;;吸入麻醉药;;机器学习;;预测模型
基金资助：吉林省卫生健康委员会药物临床合理使用能力提升项目（Y202410）
