使用自然语言处理和电子健康记录上的机器学习来预测第二次关节骨折的预测模型
Ricardo Larrainzar-Garijo1, Esther Fernández-Tormos2, Carlos Alberto Collado-Escudero2
1Orthopedic and Trauma Department, Hospital Universitario Infanta Leonor, Medical School, Universidad Complutense, Madrid, Spain.
Scientific reports
|January 4, 2024
概括
骨折 (HFx) 显著影响患者的流动性和生活质量. 这项研究开发了一个AI模型来预测老年人第二次关节骨折 (2HFx),确定针对性预防的关键风险因素.
科学领域:
- 老年学与公共卫生
- 人工智能在医学中的应用
- 整形外科手术 整形外科手术
背景情况:
- 关节骨折 (HFx) 是老年人发病和死亡的主要原因,严重限制了行动能力和生活质量.
- 了解经历初始和随后关节骨折的患者的临床特征对于有效的患者管理和预防策略至关重要.
研究的目的:
- 分析最初和第二次关节骨折 (2HFx) 患者临床概况的现实数据.
- 开发和验证基于人工智能的预测模型,用于识别患有第二次关节骨折高风险的患者.
主要方法:
- 使用自然语言处理和机器学习分析西班牙医院 (2011-2019) 电子健康记录.
- 包括1,960名HFx患者,其中124人在2HFx亚组.
- 开发一种竞争性风险模型,使用16个被确定为重要预测因素的人口和临床特征.
主要成果:
- 该研究确定了第二次关节骨折的16个关键预测因素,包括视力缺陷,营养不良,行走辅助,甲状腺功能低下,女性性别和骨质疏松症史.
- 预测模型表现良好,AUC为0.69 (依赖) 和0.75 (明显).
- 诸如高血压,认知障碍,糖尿病,心力衰竭和慢性病等并发症在骨折患者中更为普遍.
结论:
- 开发的AI模型可以有效地识别患有第二次关节骨折风险较高的老年患者.
- 这些发现为西班牙HFx患者的特征提供了宝贵的见解,并支持实施有针对性的预防措施,以减少折断率.
