年龄和 flexors 作为宫根性病变的风险因素: 一种新的机器学习方法

科学领域:

• 整形外科 整形外科 整形外科
• 神经学 神经学
• 放射学 放射学是一门学科.

背景情况:

• 宫性根系病 (CR) 是一种影响部神经根的衰弱性疾病.
• 确定可靠的CR风险因素和诊断方法对于有效的患者管理至关重要.

研究的目的:

• 调查与宫性根性病变 (CR) 相关的危险因素.
• 探索年龄,部曲器强度和CR之间的关系.
• 开发和验证CR的预测诊断模型.

主要方法:

• 60名CR患者的回顾性队列研究 (2018年12月 - 2020年6月).
• 测量脊柱参数 (科布角,圆盘/端板退化) 和副脊柱肌肉形态.
• 使用费舍尔判别分析和临床因素 (年龄,部曲器) 开发预测模型.
• 模型验证使用接收器操作特征 (ROC) 曲线,C指数,校准曲线和决策曲线分析.

主要成果:

• 多变量分析确定了年龄和部曲器强度降低作为CR的显著风险因素.
• 开发的诊断模型显示出高预测准确度.
• 在培训组中,C指数和曲线下的面积 (AUC) 达到0.939,在外部验证组中达到0.961.
• 该研究确定了CR预测的诊断方程.

结论:

• 年龄和部曲器的弱点是部根性病的重要预测因素.
• 开发的非侵入性诊断模型为CR检测提供了高精度和临床实用性.
• 这种方法可以帮助临床医生准确及时诊断CR.