刘永飞，张佳婧，汪建胜

准确的术前评估是麻醉医师和手术医师为手术病人制定合理的围手术期管理策略的必要前提。充分、精准的术前评估能够为病人术后可能出现的并发症和不良事件提前做好预案，从而减少术后并发症，降低病人术后死亡率[1-3]。术前访视是术前评估的重要环节，然而术前访视主要依赖于麻醉医师的个人经验和判断，主观性较强。因此，一系列评分或分级系统被开发并用于术前评估，如美国麻醉师协会(ASA)分级系统[4]、序贯器官衰竭评分(SOFA)系统[5]、急性生理与慢性健康评分(APACHE Ⅱ)系统[6]等。但这些系统在开发时并未考虑不同手术部位对术后并发症及死亡风险的影响，因此缺乏特异性。随着我国医疗水平的提高，各大三级医院每年手术量呈上升趋势。然而，目前对于普外科最常见的腹部手术仍缺乏客观、准确、特异性强的术前评估系统[7]。近年来，随着人工智能科技和机器学习技术的在医学领域的发展，利用人工智能技术对既往数据进行挖掘、学习，并形成预测模型进行预警评估的策略成为可能[8-10]。本研究拟通过机器学习分类算法的佼佼者支持向量机模型，预测腹部手术病人术后28 d的死亡风险，为腹部手术病人术前风险评估提供新的方法。

1 资料与方法

1.1 纳入及排除标准 纳入标准：2015年7月至2017年6月期间收治于宝山区中西医结合医院并行腹部手术的病人。排除标准：产科手术；年龄<6岁的儿科手术；合并其他部位手术(如胸腹联合手术等)；建模指标或预后结局缺失者。

1.2 统计学方法

1.2.1 建模变量 经过专家查阅文献和专家讨论，最终确定了三个模块共29变量进行建模，(1)病人的一般情况：性别、年龄、体质量指数(BMI)、术前合并症等；……