A Novel Machine Learning Approach to Predict Textbook Outcome in Colectomy

Abstract

BACKGROUND: Several calculators exist to predict risk of postoperative complications. However, in low-risk procedures such as colectomy, a tool to determine the probability of achieving the ideal outcome could better aid clinical decision-making, especially for high-risk patients. A textbook outcome is a composite measure that serves as a surrogate for the ideal surgical outcome. OBJECTIVE: To identify the most important factors for predicting textbook outcomes in patients with nonmetastatic colon cancer undergoing colectomy and to create a textbook outcome decision support tool using machine learning algorithms. DESIGN: This was a retrospective analysis study. SETTINGS: Data were collected from the American College of Surgeons National Surgical Quality Improvement Program database. PATIENTS: Adult patients undergoing elective colectomy for nonmetastatic colon cancer (2014–2020) were included. MAIN OUTCOME MEASURES: Textbook outcome was the main outcome, defined as no mortality, no 30-day readmission, no postoperative complications, no 30-day reinterventions, and a hospital length of stay of ≤5 days. Four models (logistic regression, decision tree, random forest, and eXtreme Gradient Boosting) were trained and validated. Ultimately, a web-based calculator was developed as proof of concept for clinical application. RESULTS: A total of 20,498 patients who underwent colectomy for nonmetastatic colon cancer were included. Overall, textbook outcome was achieved in 66% of patients. Textbook outcome was more frequently achieved after robotic colectomy (77%), followed by laparoscopic colectomy (68%) and open colectomy (39%, p < 0.001). eXtreme Gradient Boosting was the best performing model (area under the curve = 0.72). The top 5 preoperative variables to predict textbook outcome were surgical approach, patient age, preoperative hematocrit, preoperative oral antibiotic bowel preparation, and patient sex. LIMITATIONS: This study was limited by its retrospective nature of the analysis. CONCLUSIONS: Using textbook outcome as the preferred outcome may be a useful tool in relatively low-risk procedures such as colectomy, and the proposed web-based calculator may aid surgeons in preoperative evaluation and counseling, especially for high-risk patients. See Video Abstract. UN NUEVO ENFOQUE DE APRENDIZAJE AUTOMÁTICO PARA PREDECIR EL RESULTADO DE LOS LIBROS DE TEXTO EN COLECTOMÍA ANTECEDENTES: Existen varias calculadoras para predecir el riesgo de complicaciones posoperatorias. Sin embargo, en procedimientos de bajo riesgo como la colectomía, una herramienta para determinar la probabilidad de lograr el resultado ideal podría ayudar mejor a la toma de decisiones clínicas, especialmente para pacientes de alto riesgo. Un resultado de libro de texto es una medida compuesta que sirve como sustituto del resultado quirúrgico ideal. OBJETIVO: Identificar los factores más importantes para predecir el resultado de los libros de texto en pacientes con cáncer de colon no metastásico sometidos a colectomía y crear una herramienta de apoyo a la toma de decisiones sobre los resultados de los libros de texto utilizando algoritmos de aprendizaje automático. DISEÑO: Este fue un estudio de análisis retrospectivo. AJUSTES: Los datos se obtuvieron de la base de datos del Programa Nacional de Mejora de la Calidad del Colegio Americano de Cirujanos. PACIENTES: Se incluyeron pacientes adultos sometidos a colectomía electiva por cáncer de colon no metastásico (2014-2020). MEDIDAS PRINCIPALES DE RESULTADO: El resultado de los libros de texto fue el resultado principal, definido como ausencia de mortalidad, reingreso a los 30 días, complicaciones posoperatorias, reintervenciones a los 30 días y una estancia hospitalaria ≤5 días. Se entrenaron y validaron cuatro modelos (regresión logística, árbol de decisión, bosque aleatorio y XGBoost). Finalmente, se desarrolló una calculadora basada en la web como prueba de concepto para su aplicación clínica. RESULTADOS: Se incluyeron un total de 20.498 pacientes sometidos a colectomía por cáncer de colon no metastásico. En general, el resultado de los libros de texto se logró en el 66% de los pacientes. Los resultados de los libros de texto se lograron con mayor frecuencia después de la colectomía robótica (77%), seguida de la colectomía laparoscópica (68%) y la colectomía abierta (39%) (p<0,001). XGBoost fue el modelo con mejor rendimiento (AUC=0,72). Los cinco principales variables preoperatorias para predecir el resultado en los libros de texto fueron el abordaje quirúrgico, la edad del paciente, el hematocrito preoperatorio, la preparación intestinal con antibióticos orales preoperatorios y el sexo femenino. LIMITACIONES: Este estudio estuvo limitado por la naturaleza retrospectiva del análisis. CONCLUSIONES: El uso de los resultados de los libros de texto como resultado preferido puede ser una herramienta útil en procedimientos de riesgo relativamente bajo, como la colectomía, y la calculadora basada en la web propuesta puede ayudar a los cirujanos en la evaluación y el asesoramiento preoperatorios, especialmente para pacientes de alto riesgo. (Traducción—Yesenia Rojas-Khalil)