Predecir el reemplazo total de la rodilla en la osteoartritis de rodilla utilizando un enfoque guiado por el...

Área de la Ciencia:

• La ortopedia es la ortopedia.
• La bioestadística es la bioestadística.
• Genética La genética.

Sus antecedentes:

• La osteoartritis de rodilla (OA) es una de las principales causas de discapacidad.
• El reemplazo total de rodilla (TKR) es una intervención quirúrgica común para la artrosis de rodilla avanzada.
• La predicción precisa de la TKR es crucial para la gestión del paciente y la asignación de recursos.

Objetivo del estudio:

• Desarrollar un modelo pragmático, sin imágenes, para predecir la TKR en pacientes con OA de rodilla.
• Utilizar el aprendizaje automático (ML) para la selección de características a partir de datos clínicos, genéticos y de estilo de vida.
• Evaluar el rendimiento predictivo y la utilidad clínica del modelo desarrollado.

Principales métodos:

• Análisis de 3790 participantes de la Iniciativa para la Osteoartritis. análisis de 3790 participantes de la Iniciativa para la Osteoartritis.
• Selección de características de ML anidadas para identificar 15 variables informativas.
• Desarrollo de un modelo de regresión logística multivariable utilizando características seleccionadas.
• Evaluación del rendimiento del modelo utilizando discriminación (AUC) y calibración (puntuación Brier).
• Evaluación del valor incremental de los datos genéticos (puntuación de riesgo poligénico - PRS).

Principales resultados:

• El modelo logístico final logró un AUC de 0.765 (95% IC 0.736-0.793) con una calibración aceptable.
• El rendimiento del modelo fue robusto en diferentes etapas de la enfermedad (grados KL).
• El puntaje de riesgo poligénico (PRS) proporcionó ganancias modestas pero estadísticamente significativas en especificidad.

Conclusiones:

• Un modelo pragmático, sin imágenes y basado en aprendizaje automático, predice efectivamente el TKR en la OA de rodilla.
• El modelo utiliza datos clínicos, genéticos y de estilo de vida recopilados de forma rutinaria.
• Este enfoque permite la estratificación de riesgos individualizada y el apoyo a la toma de decisiones sin requerir imágenes.