El objetivo es construir un modelo de predicción del riesgo de muerte después de una operación en pacientes con disección aórtica aguda (AAD) utilizando el modelo de refuerzo de gradiente extremo (XGBoost) y la interpretación (SHAP) basado en variables clínicas generales, y construir un sitio de predicción para proporcionar una plataforma de servicios de diagnóstico y tratamiento para médicos clínicos y pacientes. Método. Mediante un diseño de estudio de cohorte retrospectivo. Analizamos los datos básicos y los resultados de las pruebas de marcadores séricos iniciales para 782 pacientes con AAD operados en el Hospital No. 4 de la Universidad de Medicina de Hebei desde enero de 2013 hasta diciembre de 2023, y dividimos a los pacientes en conjuntos de entrenamiento y prueba en una proporción de 7:3 mediante muestreo aleatorio. También recopilamos datos de 313 pacientes con AAD admitidos en el Hospital No. 2 de la Universidad de Medicina de Hebei desde enero de 2020 hasta diciembre de 2023 para una validación adicional del modelo. Después de usar la regresión LASSO para seleccionar variables, construimos un modelo de aprendizaje automático XGBoost y realizamos SHAP, evaluando el rendimiento del modelo utilizando curvas ROC, etc. Utilizando el paquete Shiny, desplegamos el modelo XGBoost en shinyapps.io, construimos un sitio de predicción del riesgo de muerte después de una operación en pacientes con AAD, y realizamos una validación por ejemplo en conjuntos de prueba y validación externos, mostrando que el valor de predicción del paciente fallecido después de la operación es de 0,9539, y que el valor de predicción del paciente no fallecido después de la operación es de 0,0206. Conclusiones. Hemos construido un modelo predictivo del riesgo de muerte en el hospital para pacientes con AAD utilizando el algoritmo XGBoost, este modelo tiene un buen rendimiento predictivo; la herramienta de predicción basada en este modelo ayuda a mejorar la eficiencia en la identificación de pacientes de alto riesgo de muerte después de una operación.

Aprendizaje automático; Modelo de predicción; Disección aórtica aguda; Muerte después de operación