预测骨骨折的头关节整形术后的长期伤口排水:一个堆叠的机器学习研究
Sultan Turhan1, Umut Canbek2, Tugba Dubektas-Canbek3
1Department of Statistics, Mugla Sitki Kocman University, Mugla, Türkiye.
Clinics in orthopedic surgery
|December 4, 2023
概括
机器学习有效地预测了关节整形术后的长期伤口排水 (PWD). 一种堆叠方法表现优于其他方法,确定液体体积,肥胖和输血是PWD的主要危险因素.
科学领域:
- 整形外科手术 整形外科手术
- 医疗信息学 医疗信息学
- 数据科学数据科学数据科学
背景情况:
- 长时间的伤口排水 (PWD) 是关节整形术后早期周围假肢关节感染的重要危险因素.
- 识别PWD的风险因素对于改善患者的治疗结果至关重要.
- 机器学习 (ML) 为预测PWD提供了先进的方法.
研究的目的:
- 为了比较各种ML方法在预测关节整形术后PWD中的有效性.
- 确定与PWD相关的最重要的风险因素.
主要方法:
- 分析了313名半关节整形手术患者的临床,实验室和放射学数据.
- 多个ML算法,包括后勤回归 (LR),通过交叉验证进行训练和测试.
- 采用了一种堆叠方法,将高性能算法与LR元学习器集成在一起.
主要成果:
- 与单个ML算法相比,堆叠方法在PWD分类方面表现优越.
- 该研究确定了PWD的主要风险因素,包括液体体积,病态肥胖类,输血和体重指数.
结论:
- 基于LR的堆叠方法对于预测PWD在关节塑造患者中非常有效.
- 了解这些风险因素可以指导预防策略并改善外科手术结果.
