开发患有退行性宫骨髓病的患者手术结果的预测模型:统计和机器学习方法的比较
Jiajun Song1, Jie Li2, Rui Zhao1
1Department of Orthopedic Surgery, Tianjin Medical University General Hospital, Tianjin 300052, China.
概括
机器学习,特别是支持矢量机器 (SVM),有效预测退行性宫髓病 (DCM) 患者的手术结果. 关键预测因素包括年龄,性别,疾病持续时间和手术前JOA得分.
科学领域:
- 神经外科 神经外科
- 医疗信息学 医疗信息学
- 整形外科手术 整形外科手术
背景情况:
- 机器学习 (ML) 越来越多地用于疾病预后预测.
- 退行性宫骨髓病 (DCM) 在预测手术结果方面提出了复杂的挑战.
研究的目的:
- 使用ML算法开发一个用于DCM患者手术结果的预后预测模型.
- 确定与DCM中手术结果不佳相关的关键预测因素.
主要方法:
- 在三个中心对406名DCM患者进行了手术减压后期分析.
- 开发和验证ML模型,包括支持矢量机 (SVM),以AUC,精度,灵敏度和特异性来评估性能.
- 使用基于引导的内部验证和网格搜索进行功能选择和超参数优化.
主要成果:
- 在初始测试中,SVM模型表现出卓越的预测准确性,在初始测试中达到0.82的AUC和75.7%的准确性.
- 优化的SVM模型在外部验证集上实现了0.93的AUC和86.4%的准确性.
- 确定了年龄,性别,疾病持续时间和手术前JOA得分作为手术结果的重要预测因素.
结论:
- ML分类器,特别是SVM,可以有效地预测DCM患者的外科治疗结果.
- 该研究成功地确定了DCM手术结果的多变量预测因子.
- 这种方法有助于个性化治疗策略和DCM患者的预后.
