相关实验视频
Updated: Jul 19, 2025
05:28
A Mouse Model of Lumbar Spine Instability
Published on: April 23, 2021
8.0K
基于机器学习的仪器后的后腰部融合后,对子沉降的风险预测模型的开发和验证:一项追溯观察队列研究
Tuotuo Xiong1, Ben Wang1,2, Wanyuan Qin1
1Department of Orthopedics, The First Affiliated Hospital of Chongqing Medical University, Chongqing, China.
Frontiers in medicine
|August 7, 2023
概括
这项研究开发了一个子沉降得分 (CSS) 并利用机器学习来预测腰部融合手术后的体内子沉降,改善了患者的风险评估.
科学领域:
- 脊柱外科手术 脊柱外科手术
- 整形外科 整形外科 整形外科
- 医学成像分析分析 医学成像分析
背景情况:
- 身体间子沉降是后腰部融合后的常见并发症.
- 现有的研究缺乏一个全面的模型来预测沉降风险.
- 这项研究旨在确定风险因素,并开发子沉降的预测模型.
研究的目的:
- 为了确定后腰部融合后身体间子沉降的潜在风险因素.
- 为个性化风险预测开发一个子沉降得分 (CSS).
- 评估机器学习技术在预测沉降方面的有效性.
主要方法:
- 对59名接受后腰部融合治疗的患者进行了回顾性审查.
- 数据收集包括患者的人口统计和手术参数.
- 统计分析,逐步回归和机器学习算法用于模型开发.
主要成果:
- 在沉降和非沉降组之间,发现了圆盘高度,L4,PT和SS的显著差异.
- 开发的CSS显示AUC为0.857 (开发) 和0.806 (验证).
- 机器学习模型 (GBM,avNNet) 实现了高AUC (在培训中高达0.971,在验证中高达0.889).
结论:
- 机器学习算法在预测腰部融合结果方面表现有前途.
- 为了评估风险,已经建立了一个初步的子沉降得分 (CSS).
- 机器学习为解决脊椎外科手术中的临床挑战提供了宝贵的工具.
