การใช้การเรียนรู้ของเครื่องจักรเพื่อหาปัจจัยเสี่ยงต่อการให้เลือด ในผู้ป่วยกระดูกสะโพกหักที่ได้รับการผ่าตัดข้อสะโพกเทียม

ผู้แต่ง

  • พลสันต์ สันธนพิพัฒน์กุล พ.บ., โรงพยาบาลสมุทรสาคร

คำสำคัญ:

การเรียนรู้ของเครื่องจักร, ปัจจัยเสี่ยง, กระดูกสะโพกหัก, ข้อสะโพกเทียม

บทคัดย่อ

          วัตถุประสงค์: เพื่อศึกษาปัจจัยเสี่ยงต่อการได้รับเลือดในผู้ป่วยสะโพกหักที่ได้รับการผ่าตัดข้อสะโพกเทียม โดยการใช้การเรียนรู้ของเครื่องจักร (machine learning)

          วิธีการศึกษา: เป็น retrospective study โดยศึกษาข้อมูลจากเวชระเบียนผู้ป่วยที่สะโพกหัก และได้รับการผ่าตัดข้อสะโพกเทียม ที่โรงพยาบาลสมุทรสาคร ในช่วง พ.ศ. 2558-2563 จำนวน 232 คน

          ผลการศึกษา: เพศชาย, โรคไต, และข้อสะโพกเทียมชนิดใส่ซีเมนต์ เป็นปัจจัยเสี่ยงต่อการได้รับเลือด เพศชาย, โรคไต, โรคหัวใจขาดเลือด,ข้อสะโพกเทียมชนิดใส่ซีเมนต์, และASA เป็นปัจจัยสำคัญในการพยากรณ์ความเสี่ยงต่อการได้รับเลือด

          สรุป: ในผู้ป่วยที่มีปัจจัยเสี่ยงต่อการได้รับเลือด ถ้าสามารถลดปัจจัยเสี่ยงก็น่าจะลดความเสี่ยงต่อการให้เลือดได้ รวมทั้งลดค่าใช้จ่ายและภาวะแทรกซ้อนจากการให้เลือดได้ด้วย

References

1. Taneja A, El-Bakoury A, Khong H, et al. Association between allogeneic blood transfusion and wound infection after total hip or knee arthroplasty: a retrospective case-control study. J Bone Jt Infect. 2019; 4(2): 99–105. doi: 10.7150/jbji.30636.
2. Shaw RE, Johnson CK, Ferrari G, et al. Balancing the benefits and risks of blood transfusions in patients undergoing cardiac surgery: a propensity-matched analysis. Interact Cardiovasc Thorac Surg. 2013; 17(1): 96-102. doi: 10.1093/icvts/ivt124.
3. Kesler KK, Brown TS, Martin JR, et al. Risk Factors for Blood Transfusion After Primary Total Hip Arthroplasty. Reconstructive Review. 2009; 9: 49-53
4. Smita J, Seema V, Rajesh K. Risk factors, susceptibility, and machine learning techniques for cancer prediction. Drug intervention Today. 2018; 10(4): 580-92.
5. Kwon O, Na W, Kim YH. Machine Learning: a New Opportunity for Risk Prediction. Korean Circ J. 2020; 50(1): 85-7. doi: 10.4070/kcj.2019.0314.
6. Florian H, Anastasia T, Paul H, et al. Machine Learning: An Approach in Identifying Risk Factors for Coercion Compared to Binary Logistic Regression. Psychiatry.2018; 9: 258. doi: 10.3389/fpsyt.2018.00258

Downloads

เผยแพร่แล้ว

2021-09-27

How to Cite

1.

ฉบับ

ปีที่ 40 ฉบับที่ 3 (2021): วารสารแพทย์ เขต 4-5 ปีที่ 40 ฉบับ 3 เดือนกรกฏาคม – กันยายน 2564

บท

นิพนธ์ต้นฉบับ

License

ลิขสิทธิ์บทความเป็นของผู้เขียนบทความ แต่หากผลงานของท่านได้รับการพิจารณาตีพิมพ์ลงวารสารแพทย์เขต 4-5 จะคงไว้ซึ่งสิทธิ์ในการตีพิมพ์ครั้งแรกด้วยเหตุที่บทความจะปรากฎในวารสารที่เข้าถึงได้ จึงอนุญาตให้นำบทความในวารสารไปใช้ประโยชน์ได้ในเชิงวิชาการโดยจำเป็นต้องมีการอ้างอิงถึงชื่อวารสารอย่างถูกต้อง แต่ไม่อนุญาตให้นำไปใช้ในเชิงพาณิชย์