使用机器学习预测全关节整形术的功能结果:系统性审查
Nick D Clement1,2, Rosie Clement1, Abigail Clement1
1Edinburgh Orthopaedics, Royal Infirmary of Edinburgh, Little France, Edinburgh EH16 4SA, UK.
Journal of clinical medicine
|January 26, 2024
概括
机器学习 (ML) 可靠地预测关节整形术的结果,特别是与健康有关的生活质量. 与传统方法相比,ML模型有望改善功能结果预测.
科学领域:
- 整形外科手术 整形外科手术
- 医疗信息学 医疗信息学
- 数据科学数据科学数据科学
背景情况:
- 关节整形术 (THA) 的结果对于患者的康复至关重要.
- 预测功能结果有助于手术规划和患者管理.
- 机器学习 (ML) 为复杂的医疗数据提供了先进的分析能力.
研究的目的:
- 系统地审查ML技术在THA后预测功能结果的可靠性.
- 将ML模型的性能与传统回归分析进行比较.
主要方法:
- 在主要数据库 (MEDLINE/PubMed,Embase,Web of Science,NIH临床试验) 进行了全面的文献搜索,截至2023年10月.
- 包括的研究包括I至IV级的证据,涉及44,121名患者.
- 分析了使用一到六种ML技术的七项研究,随访期从3个月到2年多.
主要成果:
- ML模型在预测与健康相关的生活质量 (HRQoL) 结果方面表现出高可靠性,实现曲线下面积 (AUC) >84%.
- 预测部特定功能结果的可靠性略低 (AUC为71%-87%).
- 随机森林和神经网络通常是表现最好的ML模型. 在部特异性功能预测方面,ML显示了与传统回归相比的潜在优势.
结论:
- ML技术为预测THA后的功能结果提供了可接受到优秀的歧视.
- 与传统的回归分析相比,ML可能提供了微不足道的优势,特别是在预测部特定功能结果方面.
关键词:
这些是PROMs.关节质复原 关节质复原 关节质复原 关节质复原功能 功能 功能 功能.这就是为什么Hip-Hip-Hip-Hip-Hip-Hip.机器学习是机器学习.结果结果结果结果.预测 预测 预测 预测更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
09:51The Transition to an Anterior-Based Muscle Sparing Approach Improves Early Postoperative Function but is Associated with a Learning Curve
Published on: September 7, 2022
2.6K