在接受腰椎融合手术的老年患者中预测术后不良事件的诺莫грам的开发和外部验证:比较三种预测模型

科学领域:

• 老年医学 老年医学
• 脊柱外科手术 脊柱外科手术
• 医疗信息学 医疗信息学

背景情况:

• 人口老龄化正在增加腰部退行性疾病 (LDD) 的负担.
• 在TLIF后,识别患有术后不良事件 (AE) 高风险的老年患者至关重要.
• 需要个性化的术后管理来优化成本效益.

研究的目的:

• 开发一种用于预测TLIF治疗老年患者的副作用的预测工具.
• 为了比较物流回归,分类树和随机森林算法的有效性.
• 创建一个临床上适用的风险评估工具.

主要方法:

• 对预期老年腰部疾病数据库 (65岁或以上) 的回顾性审查.
• 开发和内部验证三个预测模型 (逻辑回归,分类树,随机森林).
• 基于后勤回归模型的在线工具的外部验证.

主要成果:

• 这三种模型的预测性能相似 (AUC 0.73,0.72,0.70).
• 后勤回归模型表明,临床干预的净益更高.
• 对名图的外部验证显示,预测AE的C指数为0.69.

结论:

• 在老年TLIF患者中开发的AEs预测模型显示了可比的性能.
• 后勤回归模型为临床决策提供了优越的净效益.
• 一种名谱和在线工具可用于在TLIF后90天内识别高风险的老年患者.