背景:胰十二指肠切除术后的一种常见并发症是术后胰瘘(POPF),其在临床上的发生率约为1 0%-28%;严重情况下,术后胰瘘可能导致腹腔内脓肿、败血症、术后出血、器官衰竭甚至死亡,对患者造成痛苦的同时也给社会带来沉重负担。因此,早期识别POPF的危险因素并干预治疗,对患者预后有着重要意义。目的:为了预测POPF风险时获取所有建模因素的大部分信息,构建临床预测模型并进行验证,有助于更准确地预测POPF的发生。识别危险因素,构建临床预测模型,进而帮助他们更好地对病人进行管理和治疗。方法:本研究连续纳入2012年8月1日至2022年7月1Bemcentinib分子式日期间在中日友好医院普外科·肝胆胰外科,接受胰十二指肠切除术的共378例患者。依照是否发生POPF分为两组,采用二元逻辑回归分析独立风险因素;使用1 1种机器学习,包括逻辑回归、随机森林、支持向量机(SVM)、决策树、K最近邻算法(KNN),梯度提升机(GBM),轻量级梯度提升机(LGBM),极端梯度提升机(XGBoost),高斯朴素贝叶斯算法(GNB),多项式朴素贝叶斯算法(MNB)和伯努利朴素贝叶斯算法(BNB)。算法进行临床预测模型构建和验证,5个角度综合评估了 11种机械学习的预测能力,采用Adam、RMSprop、SGD评估方法筛选最优临床预测模型。此过程中统计分析由Python(v3.7.6)和SPSS 27完成。结果:本研究发现:378例行PD患者中,术后发生胰瘘(B、C级胰瘘)47例,其中B级胰瘘44例(93.6%),C级胰瘘3例(6.4%),无手术直接死亡病例。胰腺质地、诊断分类是POPF的独立风险因素;支持向量机(Smultifactorial immunosuppressionVM)比其它的机器学习方法更具优势;最终选择出:胰腺质地、病理诊断、手术中出血量、输入袢减压,饮酒史、血管切除、以及保留幽门这七大因素。深度学习序列模型验证了这7个因子的预测性能。结论:诊断分类和胰腺质地是术后胰瘘的独立危险因素;SVM算法优于其他常用机械算法,仅需要通过最少7个因素,就可以有效地预测POPF的重大风险。其预测性能与所有相关因素预测的性能相当,这Taurine分子量也为POPF的风险管理提供了有力的支持依据。