机器学习算法在旋转手套病理中的预后评估中的应用:基于临床数据的临床方法

科学领域:

• 整形外科手术 整形外科手术
• 机器学习在医学中的应用
• 生物医学数据科学 生物医学数据科学

背景情况:

• 旋转手套 (RC) 撕裂是造成肩部残疾的常见原因.
• 准确预测手术结果对于患者的护理和管理至关重要.
• 机器学习 (ML) 提供了在骨科手术中改善预后准确性的潜力.

研究的目的:

• 应用机器学习算法来预测关节镜旋转手套修复后患者的结果.
• 为了确定影响旋转手腕修复手术成功的关键预测因素.
• 评估各种ML模型在结果预测中的性能.

主要方法:

• 评估了100名接受关节镜旋转手套修复的患者.
• 预测因素包括人口统计,患者报告的结果指标和临床分数.
• 使用最先进的ML算法 (SVM,k-NN,NB,RF,LR) 来进行分析.

主要成果:

• 机器学习分类器在预测结果方面表现不佳.
• 后勤回归 (LR) 的平均精度为46.5%±6%,随机森林 (RF) 的平均精度为51.25%±4%.
• 不同的ML算法在性能指标中没有发现显著差异.

结论:

• 目前使用可用的临床和人口统计数据的ML方法在预测旋转手套修复结果方面存在局限性.
• 数据质量和包含特定变量 (如吸烟,糖尿病) 可能会影响预测准确度.
• 未来的研究应该探索神经成像和动力学数据等新型预测因素,以增强人工智能驱动的RC患者的预后模型.