在修复膝关节全关节整形术后,使用机器学习预测合适的门诊候选人

科学领域:

• 整形外科手术 整形外科手术
• 在医疗保健中的数据科学.
• 患者研究成果研究结果

背景情况:

• 在修复后的同一天排泄 (SDD) 膝盖全关节整形术 (rTKA) 越来越多地被探索.
• 确定适合门诊rTKA的候选人对于资源优化和患者安全至关重要.

研究的目的:

• 为了确定在修复全膝关节整形术 (rTKA) 后同日出院 (SDD) 的独立预测因素.
• 开发和比较用于预测门诊rTKA适应性的机器学习算法.

主要方法:

• 从ACS-NSQIP数据库 (2018-2020) 中分析了5,600名接受选择性,单方面RTKA的患者.
• 使用AUC,校准和决策曲线分析对多变量逻辑回归 (MLR) 和机器学习模型 (例如,随机森林) 的比较.
• 确定影响SDD的关键人口统计学,手术前和手术内变量.

主要成果:

• 6.1%的患者 (342/5,600) 获得了SDD.
• 随机森林 (RF) 模型表现出卓越的性能,AUC为0.810.
• SDD的主要预测因素包括操作时间,麻醉类型,年龄,BMI,ASA等级,种族,糖尿病,RTKA类型,性别和吸烟状况.

结论:

• 射频模型准确地识别了rTKA后适合SDD的患者.
• 机器学习可以实现精确的手术前风险分层,以改善资源分配和患者的治疗结果.
• 这种方法支持门诊rTKA的知情临床决策.