相关实验视频
Updated: Jul 8, 2025
10:10
Reverse Total Shoulder Arthroplasty
Published on: July 5, 2011
43.2K
使用预测性临床决策支持工具的初始临床经验,用于解剖和逆向全肩关节整形术
Chelsey Simmons1,2, Jessica DeGrasse2, Sandrine Polakovic3
1University of Florida, PO Box 116250, Gainesville, FL, 32605, USA.
概括
基于机器学习的临床决策支持工具 (CDST) 对于肩膀关节整形术显示出有希望的准确性,一些预测的表现优于之前的内部验证. 了解它们的局限性是负责任的采用和改善患者-外科医生决策的关键.
科学领域:
- 整形外科手术 整形外科手术
- 生物医学工程 生物医学工程
- 医疗保健中的人工智能
背景情况:
- 临床决策支持工具 (CDST) 通过生成患者特定评估来帮助医疗保健提供者.
- 机器学习 (ML) 已被应用于开发用于解剖学 (aTSA) 和逆向 (rTSA) 肩部全关节整形术的CDST.
研究的目的:
- 在外部验证基于ML的新型CDST用于肩关节整形.
- 提供ML算法开发的概述,并讨论这些工具的局限性.
主要方法:
- 用243名接受初级aTSA或rTSA治疗的患者的数据对CDST进行外部验证.
- 将CDST预测 (结果得分,活动范围) 与实际患者结果进行比较.
- 使用平均绝对误差 (MAE) 来量化准确度.
主要成果:
- CDST的准确性与已公布的内部验证MAE相当或高于 (10%以内).
- 几种预测模型显示MAE明显低于内部验证,包括恒定分数,主动绑架和全球肩部功能.
- 观察到令人鼓舞的结果,尽管特定预测的样本大小很小.
结论:
- 对基于ML的CDST限制的更好的理解促进了负责任的使用,信任和采用.
- 预计不断发展的CDST将加强患者和外科医生之间的共享决策.
- 最终的目标是实现改善患者的结果和满意度.
