主要な膝関節整形手術の翌日の退院を予測するマルチクラスの機械学習アルゴリズムの有用性
Shane Fei Chen1, Anirudh Buddhiraju1, Tony Lin-Wei Chen1
1Bioengineering Laboratory, Department of Orthopaedic Surgery, Massachusetts General Hospital, Harvard Medical School, Boston, MA, USA.
The Journal of arthroplasty
|September 5, 2025
まとめ
マシン・ラーニングは 膝関節整形手術 (TKA) 患者の同日出院を正確に予測します これは患者の選択,リソースの割り当て,外来TKAの手続きのコスト効率を改善します.
科学分野:
- 整形 術
- 医療情報学
- 医療における機械学習
背景:
- 主要な全膝関節整形手術 (TKA) の費用には,滞在期間 (LOS) が大きく影響する.
- 同日退院する患者の選択は 高い失敗率で困難です
- LOSの正確な予測モデルを開発することは,TKA経路の最適化に不可欠です.
研究 の 目的:
- TKAにおける患者選択のためのマルチクラスの機械学習モデルを開発し,評価する.
- 同日退院の可能性を予測し,長期のLOSのリスクのある患者を特定する.
- 強力なモデル開発と検証のために,大規模な全国的な患者コホートを活用する.
主な方法:
- 2017年から2023年までの167,859のTKAの分析
- LOSの分類は,同じ日,1-3日,そして>3日.
- 精度,コーエン・カッパ,AUCなどのパフォーマンスメトリックを使用して,機械学習モデル (ANN,RF,KNN,XGBoost) の開発と評価.
主要な成果:
- ランダムフォレスト (RF) モデルは90. 3%の精度と0. 97のマイクロ平均AUCで優れたパフォーマンスを示しました.
- LOSの主要な予測要因には,麻酔の種類,性別,BMI,ASAスコア,高血圧,年齢,手術の時間が含まれていました.
- 特定された割合は,同日の放出2. 1%,1~3日,および9. 8%の長時間のLOSです.
結論:
- 機械学習モデルは TKAの当日退院に適した患者を正確に特定できます
- これらのモデルはTKA後の長期のLOSに関連したリスクを効果的に予測します.
- 外科手術のための患者の選択を強化し,結果とコスト効率を改善することができます.
