본 연구는 기계학습과 인구집단 데이터를 활용하여 고관절 치환술 환자에서 수혈의 주요 결정요인을 분석하였다. 후향적 코호트 자료는 2019년에 고관절 치환술을 받은 65세 이상 환자 19,110명의 한국 국민건강보험공단 청구 데이터에서 확보하였다. 종속변수는 2019년의 수혈 여부(예 vs 아니오)였으며, 이에 31개 예측변수를 포함하였다. 무작위 포레스트 변수 중요도와 Shapley Additive Explanations를 사용하여 주요 예측변수를 식별하고 이들이 수혈과 갖는 연관의 방향을 파악하였다. 무작위 포레스트의 곡선하면적(area under the curve)은 73.6%로 나타났다. 무작위 포레스트의 변수 중요도에 근거할 때 상위 10개 예측변수는 빈혈(0.25), 트라넥삼산(0.17), 연령(0.16), 사회경제적 상태(0.05), 척추마취(0.05), 전신마취(0.04), 성별(여성)(0.04), 치매(0.03), 철(0.02), 울혈성 심부전(0.02)이었다. 이러한 예측변수 다음으로는 심혈관질환, 스타틴, 만성폐쇄성폐질환, 당뇨병, 만성콩팥병, 말초혈관질환, 간질환, 고형종양, 심근경색 및 고혈압을 포함한 상위 20개 예측변수가 이어졌다. 최대 Shapley Additive Explanations 값 기준으로 볼 때, 이들 연관은 모두 양(+)의 방향이었다. 예를 들어 빈혈(0.09), 트라넥삼산(0.07), 연령(0.09), 사회경제적 상태(0.05), 척추마취(0.05), 전신마취(0.04), 성별(여성)(0.02), 치매(0.03), 철(0.04), 울혈성 심부전(0.03) 등이었다. 예컨대 빈혈, 연령, 트라넥삼산 또는 척추마취를 무작위 포레스트에 포함하면 고관절 치환술 환자에서 수혈의 확률이 9%, 7%, 9% 또는 5% 증가한다. 기계학습은 고관절 치환술 환자에서 수혈을 예측하는 효과적인 모델이다. 빈혈, 연령 및 동반질환이 있는 고위험군은 트라넥삼산, 철 및/또는 기타 적절한 중재로 치료가 필요하다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.