预测中年和老年患者的创伤后功能恢复,通过动态组合选择建模
Nguyen Thanh Nhu1,2, Jiunn-Horng Kang1,3,4,5,6, Tian-Shin Yeh3,7,8,9
1International Ph.D. Program in Medicine, College of Medicine, Taipei Medical University, Taipei, Taiwan.
Frontiers in public health
|July 6, 2023
概括
老年人的先前存在的健康状况可以预测受伤后的长期功能恢复. 机器学习模型准确地预测结果,帮助临床决策,以改善患者的预后.
科学领域:
- 整形外科 整形外科 整形外科
- 老年学是一门学科.
- 数据科学数据科学数据科学
背景情况:
- 特定于年龄的风险因素会阻碍创伤后的功能恢复.
- 这些因素之间的复杂相互作用使恢复预测复杂化.
- 中年和老年患者在功能康复方面面临着独特的挑战.
研究的目的:
- 调查机器学习模型对受伤后6个月的功能恢复的预测能力.
- 评估先前存在的健康状况对老年人创伤后功能结果的影响.
- 开发和验证集体机器学习模型,用于预测功能独立性.
主要方法:
- 利用了45岁及以上受伤患者的数据集.
- 输入特征包括社会人口统计数据和基线健康状况;输出是6个月后的功能状态 (巴特尔指数).
- 通过交叉验证验证六个算法,构建集体模型 (堆叠,投票,动态选择).
主要成果:
- 在27个特征中选出了19个,突出了关键预测因素.
- 该k-最近的Oracle消除模型在预测功能状态方面表现出卓越的性能 (灵敏度:0.779,特异性:0.859在测试组).
- 部分依赖和个体条件期望图证实了与临床期望一致的模型预测.
结论:
- 预先存在的健康状况是受伤中年和老年患者长期功能结果的重要预测因素.
- 机器学习模型可以有效地预测预后,并在这个人口群中帮助临床决策.
- 通过预测模型早期识别有风险的患者,可以促进及时的干预.
