使用机器学习开发和验证在线计算器,以预测成年脊柱形手术后的近端结节形,使用机器学习

科学领域:

• 脊柱外科手术 脊柱外科手术
• 整形外科 整形外科 整形外科
• 医疗信息学医学信息学

背景情况:

• 成年脊柱形 (ASD) 手术旨在纠正对齐,但存在近端结节形 (PJK) 的风险.
• 目前的PJK风险评估工具的准确性有限,阻碍了个性化治疗规划.
• 开发一种更准确的方法来预测PJK对于优化ASD患者手术结果至关重要.

研究的目的:

• 开发一个个性化的风险计算器,用于预测在成人脊柱形 (ASD) 手术后的近端结节形 (PJK).
• 为了提高PJK风险评估的准确性,超出了一般化分类.
• 加强对ASD的治疗规划和手术策略改进.

主要方法:

• 利用来自韩国脊柱形数据库的数据,用于接受ASD手术的患者.
• 根据近端结角 (PJA) 术后变化的定义PJK.
• 采用多变量分析来识别PJK预测因素,并开发了5个机器学习模型,为计算器选择了表现最佳的模型.

主要成果:

• 在201名患者中,24.4%的人患上PJK.
• 术后PJA,BMI和变形类型被确定为独立的PJK预测因素.
• 随机森林模型实现了83%的准确性和0.76的AUC,形成了在线计算器的基础.

结论:

• 使用随机森林模型创建了一个交互式在线计算器,以估计ASD手术后的PJK风险.
• 这种工具为外科医生提供了一种有价值的方法来预测PJK的可能性.
• 该计算器有助于完善治疗策略,并改善ASD管理中的患者护理.