一个基于机器学习的评分系统和与老年人部骨折发生相关的十个因素
Masaru Uragami1, Kozo Matsushita1, Yuto Shibata1
1Department of Orthopedic Surgery, Faculty of Life Sciences, Kumamoto University, 1-1-1 Honjo, Chuo-ku, Kumamoto 860-8556, Japan.
Bone
|August 10, 2023
概括
这项研究确定了老年人部骨折的十个关键风险因素,开发了一个评分系统来预测骨折风险. 这些发现为评估和潜在地预防老年人骨折提供了一个新的工具.
科学领域:
- 老年学是一门学科.
- 整形外科 整形外科 整形外科
- 生物统计学 生物统计学
背景情况:
- 部骨折是80岁以上个体的重大健康问题.
- 现有的风险评估工具和验证这一年龄组风险因素的大规模研究是有限的.
研究的目的:
- 识别和验证80岁以上个体关节骨折的关键风险因素.
- 开发一个预测模型和评分系统来评估关节骨折风险.
主要方法:
- 招募了1395名关节骨折患者和1075名对照.
- 利用极端梯度增强 (XGBoost) 机器学习用于初始模型构建.
- 采用了SHapley添加式解释 (SHAP) 值来确定特征的重要性,并逐步选择以确定关键因素.
主要成果:
- 确定了关节骨折风险的十个关键因素,包括低血清25(OH) D,低部T-score,低巴塞尔指数和手握强度降低.
- 开发了一个基于这些因素的评分系统,实现部骨折预测曲线下的面积 (AUC) 为0.85.
- 最优的切线分数为7显示了0.75的灵敏度和0.78.7的特异性.
结论:
- 开发的10因素评分系统有效预测了老年人关节骨折风险.
- 这种工具可以帮助评估个体骨折风险,并指导预防策略.
