Development of an interpretable machine learning model for predicting prolonged mechanical ventilation in adults after cardiac valve surgery

doi:10.3877/cma.j.issn.2096-1537.2025.03.009

Abstract

Abstract:

Objective

To develop and validate an interpretable machine learning model for predicting the risk of prolonged mechanical ventilation (PMV) in adult patients requiring mechanical ventilation after cardiac valve surgery in ICU.

Methods

A retrospective cohort study of patients admitted to ICU after cardiac valve surgery who received mechanical ventilation at a tertiary hospital between July 1, 2023 and June 30, 2024, was conducted. Feature selection was performed using Least Absolute Shrinkage and Selection Operator (LASSO) regression. The dataset was randomly split into a training set and a validation set in a ratio of 7∶3. Multivariate logistic regression was used to adjust for potential confounders. Several ML models were evaluated and compared based on the area under the ROC curve (AUC), accuracy, sensitivity, specificity and F1 score. The optimal model was interpreted using SHapley Additive exPlanations (SHAP).

Results

Among the 711 patients included, 143(20.1%) developed PMV. The logistic regression model demonstrated excellent discriminative ability, with an AUC for 0.903 (95%CI: 0.869-0.938) in the training set and 0.899 (95%CI: 0.854-0.943) in the validation set. SHAP analysis identified the following top predictors of PMV (in descending order of importance): lactate level ≥ 4 mmol/L at 6 hours post-operation, new-onset atrial fibrillation, cardiopulmonary bypass time ≥ 180 minutes, type of surgery, mean pulmonary artery pressure (MPAP) ≥ 35 mmHg, ejection fraction (EF) ≤ 0.35, partial pressure of oxygen < 90 mmHg, preoperative renal failure, re-do valve replacement, chest tube drainage ≥ 600 ml at 6 hours post-operation, and APACHE Ⅱ score≥ 21.

Conclusion

We developed an interpretable prediction model that performs well in identifying adult patients at high risk for PMV following cardiac valve surgery. The use of SHAP enhances the clinical utility of the model by providing insights into key risk factors, thereby aiding ICU clinicians in early risk stratification and potentially facilitating interventions to shorten the duration of mechanical ventilation.

Key words: Cardiac valve surgery, Prolonged mechanical ventilation, Prediction model

Meng Deng, Xingxing Zhang, Xiaoqing Li, Yun Yu, Wenchun Wang, Hailiang Li, Haiyun Huang, Xiangfei Meng, Wen Ma, Chenwei Pan. Development of an interpretable machine learning model for predicting prolonged mechanical ventilation in adults after cardiac valve surgery[J]. Chinese Journal of Critical Care & Intensive Care Medicine(Electronic Edition), 2025, 11(03): 267-277.

/ / Recommend

Add to citation manager EndNote|Ris|BibTeX

URL: https://icu.cma-cmc.com.cn/EN/10.3877/cma.j.issn.2096-1537.2025.03.009

https://icu.cma-cmc.com.cn/EN/Y2025/V11/I03/267

Figures/Tables 6

References 35

1	Baskett RJ, Exner DV, Hirsch GM, et al. Mitral insufficiency and morbidity and mortality in left ventricular dysfunction [J]. Can J Cardiol, 2007, 23(10): 797-800.
2	Hirasawa K, Izumo M, Akashi YJ. Stress echocardiography in valvular heart disease [J]. Front Cardiovasc Med, 2023, 10: 1233924.
3	Udzik J, Sienkiewicz S, Biskupski A, et al. Cardiac complications following cardiac surgery procedures [J]. J Clin Med, 2020, 9(10): 3347.
4	Kotfis K, Szylińska A, Listewnik M, et al. Balancing intubation time with postoperative risk in cardiac surgery patients-a retrospective cohort analysis [J]. Ther Clin Risk Manag, 2018, 14: 2203-2212.
5	O'Brien SM, Feng L, He X, et al. The Society of Thoracic Surgeons 2018 adult cardiac surgery risk models: part 2-statistical methods and results [J]. Ann Thorac Surg, 2018, 105(5): 1419-1428.
6	Jing X, Zhu Z, Fan H, et al. Impact of delay extubation on the reintubation rate in patients after cervical spine surgery: a retrospective cohort study [J]. J Orthop Surg Res, 2023, 18(1): 557.
7	Liu J, Zhang Y, Zhang W, et al. Prediction of vasoactive-inotropic score on prolonged mechanical ventilation in adult congenital heart disease patients after surgical treatment combined with coronary artery bypass grafting [J]. Braz J Cardiovasc Surg, 2024, 39(3): e20230218.
8	Ad N, Holmes SD, Patel J, et al. Comparison of EuroSCORE Ⅱ, Original EuroSCORE, and the Society of Thoracic Surgeons Risk Score in cardiac surgery patients [J]. Ann Thorac Surg, 2016, 102(2): 573-579.
9	王子玉, 傅强, 王树英, 等. STS风险评估系统对单中心非体外循环冠状动脉旁路移植术后延长机械通气的预测价值分析 [J]. 中国急救医学, 2019, 39(7): 642-648.
10	Wang TK, Li AY, Ramanathan T, et al. Comparison of four risk scores for contemporary isolated coronary artery bypass grafting [J]. Heart Lung Circ, 2014, 23(5): 469-474.
11	Jiang C, Xiu Y, Qiao K, et al. Prediction of lymph node metastasis in patients with breast invasive micropapillary carcinoma based on machine learning and SHapley Additive exPlanations framework [J]. Front Oncol, 2022, 12: 981059.
12	Shortliffe EH, Sepúlveda MJ. Clinical decision support in the era of artificial intelligence [J]. JAMA, 2018, 320(21): 2199-2200.
13	Vayena E, Blasimme A, Cohen IG. Machine learning in medicine: addressing ethical challenges [J]. PLoS Med, 2018, 15(11): e1002689.
14	Lei T, Guo J, Wang P, et al. Establishment and validation of predictive model of tophus in gout patients [J]. J Clin Med, 2023, 12(5): 1755.
15	Lundberg SM, Erion G, Chen H, et al. From local explanations to global understanding with explainable AI for trees [J]. Nat Mach Intell, 2020, 2(1): 56-67.
16	Sauerbrei W, Royston P, Binder H. Selection of important variables and determination of functional form for continuous predictors in multivariable model building [J]. Stat Med, 2007, 26(30): 5512-5528.
17	Pourhoseingholi MA, Baghestani AR, Vahedi M. How to control confounding effects by statistical analysis [J]. Gastroenterol Hepatol Bed Bench, 2012, 5(2): 79-83.
18	Sankar A, Rotstein AJ, Teja B, et al. Prolonged mechanical ventilation after cardiac surgery: substudy of the Transfusion Requirements in Cardiac Surgery Ⅲ trial [J]. Can J Anaesth, 2022, 69(12): 1493-1506.
19	王甦. 急性Stanford A型主动脉夹层术后高乳酸血症的预测模型及预后影响研究 [D]. 武汉: 华中科技大学, 2022.
20	Ferreruela M, Raurich JM, Ayestarán I, et al. Hyperlactatemia in ICU patients: incidence, causes and associated mortality [J]. J Crit Care, 2017, 42: 200-205.
21	Chiara O, Giomarelli PP, Biagioli B, et al. Hypermetabolic response after hypothermic cardiopulmonary bypass [J]. Crit Care Med, 1987, 15(11): 995-1000.
22	Öztürk S. Effect of lactate levels on extubation time in coronary artery bypass grafting surgery [J]. Cardiovasc J Afr, 2023, 34: 1-5.
23	张永苹, 雷黎明, 凌云, 等. 156例体外循环心脏术后严重高乳酸血症患者的护理 [J]. 护理学报, 2023, 30(4): 66-68.
24	张永苹, 宋亚敏, 凌云, 等. 64例全胸腔镜不停跳下行心脏三尖瓣膜手术后患者的护理 [J]. 护理学报, 2021, 28(10): 70-71.
25	中华护理学会糖尿病护理专业委员会. 住院成人高血糖患者血糖监测医护协议处方共识 [J]. 中华护理杂志, 2019, 54(8): 1142-1147.
26	余强芳, 彭渝. 心脏术后房颤危险因素与护理研究进展 [J]. 护理实践与研究, 2012, 9(4): 136-137.
27	陶红, 沈骁, 章淬. 心脏术后新发心房颤动的研究进展 [J]. 心血管病学进展, 2024, 45(3): 234-237.
28	Ali Dabbagh, Fardad Esmailian, Sary Aranki. 成人心脏外科术后重症监护学 (第二版) [M]. 济南: 山东科学技术出版社, 2021: 310-313.
29	Caldonazo T, Kirov H, Rahouma M, et al. Atrial fibrillation after cardiac surgery: a systematic review and meta-analysis [J]. J Thorac Cardiovasc Surg, 2023, 165(1): 94-103.e24.
30	Alexander S, Teshome M, Patel H, et al. The diagnostic and prognostic utility of risk factors defined by the AHA/ACCF on the evaluation of cardiac disease in liver transplantation candidates [J]. BMC Cardiovasc Disord, 2019, 19(1): 102.
31	Sandau KE, Funk M, Auerbach A, et al. Update to practice standards for electrocardiographic monitoring in hospital settings: a scientific statement from the American Heart Association [J]. Circulation, 2017, 136(19): e273-e344.
32	Ge M, Wang Z, Chen T, et al. Risk factors for and outcomes of prolonged mechanical ventilation in patients received DeBakey type I aortic dissection repairment [J]. J Thorac Dis, 2021, 13(2): 735-742.
33	白一帆, 王崇, 谈梦伟, 等. 成人双瓣膜置换术后延迟拔管的危险因素 [J]. 中华胸心血管外科杂志, 2012, 28(11): 651-654.
34	Badagliacca R, Reali M, Poscia R, et al. Right intraventricular dyssynchrony in idiopathic, heritable, and anorexigen-induced pulmonary arterial hypertension: clinical impact and reversibility [J]. JACC Cardiovasc Imaging, 2015, 8(6): 642-652.
35	吴伟春, 徐楠, 牛丽莉, 等. 不同心功能状态下特发性肺动脉高压患者心室同步性的超声研究 [J]. 中国循环杂志, 2017, 32(1): 81-84.

基本情况	总数（711例）	验证集（214例）	训练集（497例）	χ²值	P值
年龄				0.271	0.601
18~59岁	249（35.02）	78（36.45）	171（34.41）
≥60岁	462（64.98）	136（63.55）	326（65.59）
性别				1.739	0.187
女	309（43.46）	101（47.20）	208（41.85）
男	402（56.54）	113（52.80）	289（58.15）
心功能分级				1.613	0.205
Ⅰ~Ⅲ级	628（88.33）	194（90.65）	434（87.32）
Ⅳ级	83（11.67）	20（9.35）	63（12.68）
手术类型				0.022	0.884
≥2种术式	316（44.44）	96（44.86）	220（44.27）
单纯瓣膜手术	395（55.56）	118（55.14）	277（55.73）
APACHEⅡ				0.091	0.765
<21分	648（91.14）	194（90.65）	454（91.35）
≥21分	63（8.86）	20（9.35）	43（8.65）
高血压				0.936	0.333
否	343（48.17）	109（50.93）	234（47.08）
是	368（51.83）	105（49.07）	263（52.92）
二次瓣膜手术				0.227	0.630
否	666（93.67）	199（92.99）	467（93.96）
是	45（6.33）	15（7.01）	30（6.04）
肾功能衰竭				0.024	0.889
否	679（95.49）	204（95.33）	475（95.57）
是	32（4.51）	10（4.67）	22（4.44）
体外循环时间				2.367	0.124
<180 min	678（95.35）	208（97.20）	470（94.56）
≥180 min	33（4.65）	6（2.80）	27（5.44）
输注库存血				0.842	0.358
否	525（73.80）	153（71.50）	372（74.80）
是	186（26.20）	61（28.50）	125（25.20）
6 h引流量				0.914	0.341
<600 ml	665（93.53）	203（94.86）	462（92.94）
≥600 ml	46（6.47）	11（5.14）	35（7.06）
P/F				1.944	0.164
<200 mmHg	81（11.39）	19（8.88）	62（12.48）
≥200 mmHg	630（88.61）	195（91.12）	435（87.52）
PO₂				2.902	0.089
<90 mmHg	78（10.97）	17（7.94）	61（12.28）
≥90 mmHg	633（89.03）	197（92.06）	436（87.72）
EF值				1.956	0.161
<0.35	55（7.74）	12（5.61）	43（8.66）
≥0.35	656（92.26）	202（94.39）	454（91.34）
MPAP				0.328	0.566
<35 mmHg	483（67.93）	142（66.36）	341（68.61）
≥35 mmHg	228（32.07）	72（33.64）	156（31.39）
新发房颤				0.078	0.784
否	664（93.38）	199（92.99）	465（93.56）
是	47（6.62）	15（7.01）	32（6.44）
术后6 h Lac				0.293	0.587
<4 mmol/L	539（75.80）	165（77.10）	374（75.25）
≥4 mmol/L	172（24.20）	49（22.90）	123（24.75）
血清肌酐				0.890	0.346
<177 μmol/L	685（96.34）	204（95.33）	481（96.78）
≥177 μmol/L	26（3.66）	10（4.67）	16（3.22）
白蛋白				2.380	0.123
<35 g/L	373（52.47）	103（48.13）	270（54.32）
≥35 g/L	338（47.53）	111（51.87）	227（45.68）
PMV				1.061	0.304
否	568（79.89）	176（82.24）	392（78.87）
是	143（20.11）	38（17.76）	105（21.13）
肺部感染				3.161	0.076
否	690（97.05）	204（95.33）	486（97.79）
是	21（2.95）	10（4.67）	11（2.21）
COPD				0.030	0.866
否	697（98.03）	209（97.66）	488（98.19）
是	14（1.97）	5（2.34）	9（1.81）
胸腔积液				0.341	0.562
否	676（95.08）	205（95.79）	471（94.77）
是	35（4.92）	9（4.21）	26（5.23）
吸烟史				0.804	0.371
否	566（79.61）	175（81.78）	391（78.68）
是	145（20.39）	39（18.22）	106（21.32）
饮酒史				0.019	0.901
否	593（83.40）	179（83.64）	414（83.29）
是	118（16.60）	35（16.36）	83（16.71）
合并脑梗				0.343	0.559
否	584（82.13）	179（83.64）	405（81.49）
是	127（17.87）	35（16.36）	92（18.51）
围手术期IABP				0.071	0.785
否	705（99.16）	213（99.53）	492（98.99）
是	6（0.84）	1（0.47）	5（1.01）

基本情况	总数（711例）	验证集（214例）	训练集（497例）	χ²值	P值
年龄				0.271	0.601
18~59岁	249（35.02）	78（36.45）	171（34.41）
≥60岁	462（64.98）	136（63.55）	326（65.59）
性别				1.739	0.187
女	309（43.46）	101（47.20）	208（41.85）
男	402（56.54）	113（52.80）	289（58.15）
心功能分级				1.613	0.205
Ⅰ~Ⅲ级	628（88.33）	194（90.65）	434（87.32）
Ⅳ级	83（11.67）	20（9.35）	63（12.68）
手术类型				0.022	0.884
≥2种术式	316（44.44）	96（44.86）	220（44.27）
单纯瓣膜手术	395（55.56）	118（55.14）	277（55.73）
APACHEⅡ				0.091	0.765
<21分	648（91.14）	194（90.65）	454（91.35）
≥21分	63（8.86）	20（9.35）	43（8.65）
高血压				0.936	0.333
否	343（48.17）	109（50.93）	234（47.08）
是	368（51.83）	105（49.07）	263（52.92）
二次瓣膜手术				0.227	0.630
否	666（93.67）	199（92.99）	467（93.96）
是	45（6.33）	15（7.01）	30（6.04）
肾功能衰竭				0.024	0.889
否	679（95.49）	204（95.33）	475（95.57）
是	32（4.51）	10（4.67）	22（4.44）
体外循环时间				2.367	0.124
<180 min	678（95.35）	208（97.20）	470（94.56）
≥180 min	33（4.65）	6（2.80）	27（5.44）
输注库存血				0.842	0.358
否	525（73.80）	153（71.50）	372（74.80）
是	186（26.20）	61（28.50）	125（25.20）
6 h引流量				0.914	0.341
<600 ml	665（93.53）	203（94.86）	462（92.94）
≥600 ml	46（6.47）	11（5.14）	35（7.06）
P/F				1.944	0.164
<200 mmHg	81（11.39）	19（8.88）	62（12.48）
≥200 mmHg	630（88.61）	195（91.12）	435（87.52）
PO₂				2.902	0.089
<90 mmHg	78（10.97）	17（7.94）	61（12.28）
≥90 mmHg	633（89.03）	197（92.06）	436（87.72）
EF值				1.956	0.161
<0.35	55（7.74）	12（5.61）	43（8.66）
≥0.35	656（92.26）	202（94.39）	454（91.34）
MPAP				0.328	0.566
<35 mmHg	483（67.93）	142（66.36）	341（68.61）
≥35 mmHg	228（32.07）	72（33.64）	156（31.39）
新发房颤				0.078	0.784
否	664（93.38）	199（92.99）	465（93.56）
是	47（6.62）	15（7.01）	32（6.44）
术后6 h Lac				0.293	0.587
<4 mmol/L	539（75.80）	165（77.10）	374（75.25）
≥4 mmol/L	172（24.20）	49（22.90）	123（24.75）
血清肌酐				0.890	0.346
<177 μmol/L	685（96.34）	204（95.33）	481（96.78）
≥177 μmol/L	26（3.66）	10（4.67）	16（3.22）
白蛋白				2.380	0.123
<35 g/L	373（52.47）	103（48.13）	270（54.32）
≥35 g/L	338（47.53）	111（51.87）	227（45.68）
PMV				1.061	0.304
否	568（79.89）	176（82.24）	392（78.87）
是	143（20.11）	38（17.76）	105（21.13）
肺部感染				3.161	0.076
否	690（97.05）	204（95.33）	486（97.79）
是	21（2.95）	10（4.67）	11（2.21）
COPD				0.030	0.866
否	697（98.03）	209（97.66）	488（98.19）
是	14（1.97）	5（2.34）	9（1.81）
胸腔积液				0.341	0.562
否	676（95.08）	205（95.79）	471（94.77）
是	35（4.92）	9（4.21）	26（5.23）
吸烟史				0.804	0.371
否	566（79.61）	175（81.78）	391（78.68）
是	145（20.39）	39（18.22）	106（21.32）
饮酒史				0.019	0.901
否	593（83.40）	179（83.64）	414（83.29）
是	118（16.60）	35（16.36）	83（16.71）
合并脑梗				0.343	0.559
否	584（82.13）	179（83.64）	405（81.49）
是	127（17.87）	35（16.36）	92（18.51）
围手术期IABP				0.071	0.785
否	705（99.16）	213（99.53）	492（98.99）
是	6（0.84）	1（0.47）	5（1.01）

模型	曲线下面线	95%可信区间	特异度	敏感度	约登指数	F1分数	截断值
k近邻法	0.898	0.861 05~0.934 48	0.796	0.856	0.652	0.897	0.138
极限梯度增强	0.888	0.856 69~0.919 78	0.794	0.865	0.659	0.906	0.138
决策树	0.867	0.823 92~0.909 14	0.766	0.837	0.602	0.884	0.143
自适应增强	0.893	0.854 08~0.931 35	0.885	0.788	0.674	0. 873	0.470
高斯朴素贝叶斯	0.883	0.847 01~0.918 67	0.873	0.779	0.652	0.852	0.812
神经网络	0.880	0.845 03~0.915 42	0.832	0.817	0.649	0.871	0.262
Logistic回归	0.903	0.868 74~0.938 20	0.858	0.827	0.684	0.887	0.210
随机森林	0.894	0.861 99~0.926 25	0.868	0.827	0.695	0.890	0.243
支持向量机	0.879	0.838 09~0.920 64	0.880	0.798	0.678	0.870	0.156

模型	曲线下面线	95%可信区间	特异度	敏感度	约登指数	F1分数	截断值
k近邻法	0.898	0.861 05~0.934 48	0.796	0.856	0.652	0.897	0.138
极限梯度增强	0.888	0.856 69~0.919 78	0.794	0.865	0.659	0.906	0.138
决策树	0.867	0.823 92~0.909 14	0.766	0.837	0.602	0.884	0.143
自适应增强	0.893	0.854 08~0.931 35	0.885	0.788	0.674	0. 873	0.470
高斯朴素贝叶斯	0.883	0.847 01~0.918 67	0.873	0.779	0.652	0.852	0.812
神经网络	0.880	0.845 03~0.915 42	0.832	0.817	0.649	0.871	0.262
Logistic回归	0.903	0.868 74~0.938 20	0.858	0.827	0.684	0.887	0.210
随机森林	0.894	0.861 99~0.926 25	0.868	0.827	0.695	0.890	0.243
支持向量机	0.879	0.838 09~0.920 64	0.880	0.798	0.678	0.870	0.156

[1]	Huishui Dai, Song Lyu, Jinsong Zhang, Gen Ba, Qifang Shi. Prediction model for prolonged ICU stay in drug poisoning patients based on machine learning algorithms [J]. Chinese Journal of Critical Care Medicine(Electronic Edition), 2025, 18(04): 274-281.
[2]	Peizhen Li, Hailiang Liu, Dawei Li, Hao Jia, Zejin Zhang, Liwei Liu, Shen Chuan'an Shen. Analysis of risk factors for early acute kidney injury in patients with severe burns and establishment of a prediction model [J]. Chinese Journal of Injury Repair and Wound Healing(Electronic Edition), 2025, 20(03): 199-205.
[3]	Hebu Qian, Lin Zhu, Yueping Yao, Feng Yao, Yuzhuo Li, Jiaju Ma, Qian Yan, Xiaoyan Ni. Establishment and validation of a prediction model for 28-day in-hospital mortality of patients with septic shock using machine learning [J]. Chinese Journal of Experimental and Clinical Infectious Diseases(Electronic Edition), 2025, 19(05): 288-297.
[4]	Wei Li, Qian Wang, E Zhang, Guanghui Zhang. Risk prediction model and efficacy evaluation for postoperative recurrence of chronic suppurative otitis media established based on serum procalcitonin, soluble interleukin-2 receptor and clinical characteristics [J]. Chinese Journal of Experimental and Clinical Infectious Diseases(Electronic Edition), 2025, 19(04): 223-229.
[5]	Lihua Zhang, Yaohua Hu, Chunxian Zhou, Xiaoting Zhang, Shaojun Hu. Nosocomial infection status of inpatients with malignant tumor undergoing chemotherapy and construction of nomogram prediction model [J]. Chinese Journal of Experimental and Clinical Infectious Diseases(Electronic Edition), 2025, 19(04): 205-213.
[6]	Shengmei Sun, Yiqing Xi, Ning An. Gene prediction model for neoadjuvant therapy response in human epidermal growth factor receptor 2-positive breast cancer [J]. Chinese Archives of General Surgery(Electronic Edition), 2025, 19(05): 332-339.
[7]	Zongheng Zhu, Zhihuo Zhang. Analysis of risk factors and construction of prediction model for contralateral central lymph node metastasis in papillary thyroid carcinoma [J]. Chinese Journal of Operative Procedures of General Surgery(Electronic Edition), 2025, 19(03): 337-340.
[8]	Xue Guan, Ying Yu, Jing Li, Ying Liu, Yajuan Cui, Minghe Liu. Establishment of a risk prediction model for lower extremity deep vein thrombosis after liver transplantation [J]. Chinese Journal of Transplantation(Electronic Edition), 2025, 19(03): 138-144.
[9]	Shaojian Huang, Hanbiao Liang, Qingping Li, Shanhua Tang, Qingyan Li, Zhixi Li, Can Huang, Xiaozhen Wang, Canhui Chen, Kai Wang, Chuanjiang Li. Construction of prediction model for pathologic complete response of hepatocellular carcinoma after neoadjuvant/conversion therapy based on imageology and clinical features [J]. Chinese Journal of Hepatic Surgery(Electronic Edition), 2025, 14(06): 860-867.
[10]	Shuirong Lin, Zimin Song, Xi Yu, Shaoqiang Li, Yunpeng Hua, Shunli Shen. Effect of preoperative antiviral therapy on post-hepatectomy liver failure for HBV-associated hepatocellular carcinoma [J]. Chinese Journal of Hepatic Surgery(Electronic Edition), 2025, 14(05): 700-706.
[11]	Keyun Wang, Yajia Sun, Tian Li, Yuzhe Zhang, Ying Zheng, Weiguang Zhang, Qian Wang, Zheyi Dong. Progress in research on risk prediction models for early occurrence of diabetic kidney disease [J]. Chinese Journal of Kidney Disease Investigation(Electronic Edition), 2025, 14(04): 218-225.
[12]	Yan Liu, Yimin Ma. Construction and validation of a nomogram prediction model for local recurrence in early-stage gastrointestinal cancer patients after endoscopic submucosal dissection [J]. Chinese Journal of Digestion and Medical Imageology(Electronic Edition), 2025, 15(06): 576-582.
[13]	Xu Li, Zhongqiu Feng. Construction and validation of a predictive model for severe abdominal pain in patients with HBV related primary liver cancer after transcatheter arterial chemoembolization [J]. Chinese Journal of Digestion and Medical Imageology(Electronic Edition), 2025, 15(05): 480-485.
[14]	Yueping Li, Qian Ju, Rumeng Zhang, Bo Han. Clinical study on predicting recurrence risk of radical gastrectomy based on CT imaging [J]. Chinese Journal of Digestion and Medical Imageology(Electronic Edition), 2025, 15(05): 460-466.
[15]	Xingyan Li, Yefa Gao. Establishment and validation of a risk prediction model for acute radiation dermatitis after breast-conserving surgery for breast cancer [J]. Chinese Journal of Hygiene Rescue(Electronic Edition), 2025, 11(03): 165-169.

Please choose a citation manager

Content to export