在患有退行性腰椎脊髓疾病的患者中确定客观功能障碍的集群,使用无监督学习
Victor E Staartjes1,2,3, Anita M Klukowska4,5,6, Vittorio Stumpo7
1Machine Intelligence in Clinical Neuroscience (MICN) Laboratory, Department of Neurosurgery, Clinical Neuroscience Center, University Hospital Zurich, University of Zurich, Frauenklinikstrasse 10, 8091, Zurich, Switzerland. victoregon.staartjes@usz.ch.
机器学习在使用五次重复的坐立测试 (5R-STS) 的腰部退行性疾病患者中确定了三个客观功能障碍 (OFI) 集群. 这提供了一个更全面的患者分类,不仅仅是测试时间.
科学领域:
- 整形外科 整形外科 整形外科
- 康复医学 康复医学 康复医学
- 数据科学数据科学数据科学
背景情况:
- 目标功能障碍 (OFI) 在评估患有退行性腰部疾病的患者中至关重要.
- 五次重复的坐立 (5R-STS) 测试测量了OFI,但可能无法捕捉患者的异质性.
- 在退行性腰部疾病人群中,可能存在OFI患者的子组.
研究的目的:
- 识别客观功能障碍个体的不同集群.
- 使用无监督机器学习 (ML) 进行患者分层.
- 在退行性腰部疾病中基于5R-STS测试表现分析OFI.
主要方法:
- 应用K-means集群,一种无监督的ML算法,对患者数据.
- 包括来自两项前性队列研究的患者的数据,这些患者因退行性腰部疾病接受手术.
- 使用5R-STS测试时间 (≥10.5秒) 来定义客观功能障碍 (OFI).
主要成果:
- 确定了三种不同的OFI集群 (类型1: 57 pts,类型2: 81 pts,类型3: 35 pts).
- 平均5R-STS时间分别为1型,2型和3型的14.0s,14.5s和27.1s.
- 较高的OFI类型与增加的焦虑,抑郁,移动性问题和日常活动限制相关.
结论:
- 无监督学习在退行性腰部疾病患者中发现了三个独特的OFI集群.
- 这些集群可能会提供比单独的测试时间分层更全面的临床分类.
- 机器学习通过考虑个人特征以及功能测试数据来增强患者评估.
更多相关视频
07:44Evaluation of Patients' Posture and Gait Profile After Lumbar Fusion Surgery by Video Rasterstereography and Treadmill Gait Analysis
Published on: March 23, 2019
12:27Large-scale Reconstructions and Independent, Unbiased Clustering Based on Morphological Metrics to Classify Neurons in Selective Populations
Published on: February 15, 2017