Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/58968
Title: Predictive accuracy of patient satisfaction in aphakic correction surgery using the random forest algorithm
Other Titles: Прогностическая точность удовлетворенности пациентов при хирургической коррекции афакии с использованием алгоритма случайного леса
Authors: Ilyasova, M. S.
Gridjushko, S. M.
Dudzich, A. N.
Krasilnikova, V. L.
Prudnik, A. M.
Keywords: материалы конференций;patient satisfaction;ophthalmic surgery;random forest algorithm;machine learning;predictive analytics;medical informatics;outcome assessment;data mining;healthcare analytics;artificial intelligence;clinical decision support systems
Issue Date: 2024
Publisher: БГУИР
Citation: Predictive accuracy of patient satisfaction in aphakic correction surgery using the random forest algorithm = Прогностическая точность удовлетворенности пациентов при хирургической коррекции афакии с использованием алгоритма случайного леса / M. S. Ilyasova, S. M. Gridjushko, A. N. Dudzich [et al.] // Медэлектроника–2024. Средства медицинской электроники и новые медицинские технологии : сборник научных статей XIV Международной научно-технической конференции, Минск, 5–6 декабря 2024 г. / Белорусский государственный университет информатики и радиоэлектроники [и др.]. – Минск, 2024. – С. 299–304.
Abstract: This study evaluates the efficacy of a random forest model in predicting patient satisfaction following ophthalmic surgery for the correction of aphakia. Utilizing preoperative and postoperative clinical metrics, the model was trained to identify patterns associated with patient outcomes. In validation, it demonstrated robust performance on a designated test set, achieving an accuracy of 94%, sensitivity of 92%, specificity of 91%, and an area under the receiver operating characteristic curve of 0.95. Stability and reliability were further confirmed through 5-fold cross-validation, consistently showing an average accuracy of 93.5%. Feature importance analysis identified axial length and best corrected visual acuity as key predictors. These findings establish the model‘s potential as a reliable tool for healthcare providers to predict patient satisfaction in postoperative settings, enhancing clinical decision-making in the treatment of aphakia.
Alternative abstract: В данном исследовании оценивается эффективность модели случайного леса в прогнозировании удовлетворенности пациентов после офтальмологической хирургии, направленной на коррекцию афакии. Используя предоперационные и послеоперационные клинические показатели, модель была обучена для выявления закономерностей, связанных с результатами удовлетворенности пациентов. В процессе валидации она продемонстрировала надежные показатели на выделенном тестовом наборе, достигнув точности 94%, чувствительности 92%, специфичности 91% и площади под ROC-кривой 0,95. Стабильность и надежность были дополнительно подтверждены с помощью 5-кратной перекрестной проверки, которая показала среднюю точность 93,5%. Анализ значимости признаков выявил осевую длину и лучшую исправленную остроту зрения как ключевые предикторы. Эти результаты подтверждают потенциал модели как надежного инструмента для медицинских работников для прогнозирования удовлетворенности пациентов в послеоперационных условиях, улучшая клиническое принятие решений при лечении афакии.
URI: https://libeldoc.bsuir.by/handle/123456789/58968
Appears in Collections:Медэлектроника - 2024

Files in This Item:
File Description SizeFormat 
Predictive_accuracy.pdf514.09 kBAdobe PDFView/Open
Show full item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.