医用凝胶是一种在手术中或手术后用于冲洗切口的材料,具有抗菌作用和抗粘连性,能够在组织表面起到物理阻隔的作用,从而有效防止组织液渗出,有助于患者的术后恢复。近年来,医用凝胶已被当成医用盐水的替代品,在外科手术中越来越受欢迎,但由于其比生理盐水价格昂贵,在适用性、疗效和安全性等方面仍有争议。随着医院电子病历的发展,越来越多的“真实世界数据”可用于临床研究,尤其是用于临床有效性评估。但是,现今许多研究仅仅停留在医用凝胶对手术切口的恢复作用上,并未明确凝胶的适用条件,凝胶在临床上的使用缺少数据上的支撑。因此,本文主要收集了北京市某三甲医院近三年的电子病历数据,并构建了预测凝胶适用人群的数据集,从统计分析和机器学习两方面对凝胶的适用人群进行探索,主要研究内容和创新如下:第一,构建预测凝胶适用人群的数据集。本文收集的原始数据多以文本的形式记录,缺失值多、特征冗余、质量低,不能直接用于机器学习的预测。因此本文首先对原始数据进行探索性分析,掌握数据分布情况,然后通过数据脱敏、离散化、缺失值处理等方法将原始数据处理成能够用于机器学习的数据集。为了获得更好的预测结果,本文提出基于条件生成对抗网络的样本生成法,极大的提高了特征的多样性和样本的总体数量。第二,基于统计分析的凝胶适用条件探索。基于传统的统计分析方法可解释性强,为了能够让医生更加直接的了解凝胶适用条件的来源,从而为凝胶材料的使用提供数据支撑,本文采用假设T检验和卡方决策树的统计分析方法,对四种手术类型(消化系统手术编码为42-54,妇科手术编码为65-71,剖宫产手术编码为74.1002和腹腔镜手术)的病历进行对照分析,最终得到了适用凝胶的患者的术前体征和手术类型。第三,基于机器学习方法,构建凝胶适用人群的预测模型。为了能够将研究结果直接应用到临床试验中,从患者的电子病历中即可预测出患者是否适用凝胶,同时大幅提高预测的准确率,本文在已构建的预测凝胶适用人群的数据集和基于统计分析的适用条件基础上,构建基于机器学习的凝胶适用人群预测模型。实验中,本文迁移了在其他领域表现良好的模型,使用支持向量机、基于梯度提升树的XGBoost和Light GBM、基于深层神经网络和因子分解机的Deep FM对数据进行建模,并对现有模型进行集成学习,最后得到了预测效果良好的凝胶适用人群预测模型。综上所述,本文最终得到了不同手术类别中使用凝胶的合适标准即凝胶对患者的适用条件,并成功建立了预测凝胶适用人群的数据集和凝胶适用性预测模型。研究表明,医用凝胶的使用要考虑患者情况,并非对所有患者都适用。本文的研究结果对于指导医生合理使用凝胶和在凝胶适用条件下医疗政策的合理制定具有参考价值,也为临床应用这种昂贵的医疗材料提供了数据支持。