脳震の回復時間を予測する機械学習:心理的および症状的要因の重要性
Ellen Taylor1, Logan Shurtz2, Stephen C Bunt2
1Department of Statistics and Data Science, Southern Methodist University, University Park, TX, USA.
The Clinical neuropsychologist
|August 26, 2025
まとめ
機械学習モデルは 脳震の回復時間を予測できます 精神的健康と睡眠の要因は 回復期間に 従来の傷害変数よりも大きな影響を及ぼします
科学分野:
- スポーツ医学
- 神経科学
- データサイエンス
背景:
- 脳震の回復時間は 選手の管理に不可欠です
- 長期的な回復を予測する 信頼できる要因を特定することは 依然として困難です
研究 の 目的:
- 脳震の回復期間を予測するための機械学習 (ML) モデルを開発する.
- MLモデルの予測要因と確立されたリスク要因を比較する.
- 予測の精度のために,従来のロジスティック回帰と比較してMLモデルを評価する.
主な方法:
- 北テキサスの脳震記録 (ConTex) のデータセットを利用した.
- スポーツ関連の怪我を患った1000人の参加者 (6~59歳) の訓練を受けたMLモデル.
- 性能と機能の重要性を評価するために5倍クロス検証と"つの特徴を省略 (LOFO) を採用した.
主要な成果:
- CatBoostのバイナリMLモデルは,14日以内の回復を予測するためにAUCを0. 79を達成しました.
- 主な予測要因には,診察までの時間,症状の重度,自己報告されたうつ症状,不安,睡眠の質が含まれていました.
- MLモデルの性能はロジスティック回帰に匹敵し,マルチクラスモデルのAUCは低かった.
結論:
- 怪我後の精神的健康 (うつ病,不安) と睡眠の質は 意識喪失のような怪我の特徴よりも 長期にわたる脳震の回復を予測する力があります
- 機械学習は脳震の回復を予測する上で有望ですが 伝統的な方法よりも優れているのはデータ特性によるものです
