[目的]构建全身麻醉患者围术期非计划低体温预测模型并应用于临床，验证其性能。[方法]纳入2016年1月至2020年9月浙江省某三级甲等医院19068例手术患者数据，运用基于深度学习的人工智能技术构建模型，采用受试者操作特征曲线下面积和决策曲线检验模型的预测效果。于2020年10月至2021年3月纳入2157例手术患者对模型的预测准确率进行检验。[结果]建模组的手术患者中低体温发生率为13.89%（2649/19068），验证组手术患者低体温发生率为14.18%（306/2157），预测模型的受试者操作特征曲线下面积为0.724（95% CI：0.707~0.741），灵敏度为0.516，特异度为0.823，截断值为0.175，实际应用的准确率为79．54％。[结论]本研究模型能够稳定的预测全身麻醉患者围术期非计划低体温的发生率，可为临床预防围术期非计划低体温提供参考。

项海燕,黄立峰,钱维明,朱锋杰,张浩,陆张力. 基于深度学习的全身麻醉患者围术期非计划低体温预测模型的构建与应用[J]. 中华急诊医学杂志, 2022,31(8): 1116-1120.
DOI号:

基金项目：浙江省医药卫生科技项目，编号2020KY146
伦理审批号：浙江大学医学院附属第二医院人体研究伦理委员会[（2020）伦审研第（219）号]

关键词： 深度学习 人工智能 反向传播算法 手术 低体温 预测模型