在使用机器学习算法的女性患者双边初级膝关节整形术后,预测术后的步行速度变化
Do Weon Lee1, Hyuk-Soo Han2, Myung Chul Lee3
1Department of Orthopedic Surgery, Korean Armed Forces Yangju Hospital, Kyunggi province, South Korea; Department of Orthopaedic Surgery, Seoul National University College of Medicine, Seoul, South Korea.
Orthopaedics & traumatology, surgery & research : OTSR
|February 21, 2024
概括
预测全膝关节整形术后的步行速度是可能的. 一个机器学习模型准确地识别了可能在手术后走得更快或更慢的患者,有助于临床决策.
科学领域:
- 整形外科手术 整形外科手术
- 生物力学 生物力学
- 机器学习在医学中的应用
背景情况:
- 在全膝关节整形术 (TKA) 后的功能恢复至关重要,手术后的步行速度是关键指标.
- 在TKA后预测步行速度的变化尚未得到广泛的研究.
- 确定手术后会走得更快或更慢的患者对于手术规划和患者期望很重要.
研究的目的:
- 为了确定手术前的特征是否可以预测全膝关节整形术 (TKA) 后的步行速度变化.
- 开发一个预测模型,用于TKA后的步行速度变化.
主要方法:
- 对128名接受分阶段双边全膝关节整形手术的女性患者进行了回顾性队列研究.
- 术前和术后两年进行了行走分析.
- 一个机器学习算法被用来构建一个分类模型来预测步行速度变化.
主要成果:
- 平均步行速度在TKA后增加,但13.3%的患者经历了显著下降.
- 手术前的步行速度,年龄和机械轴角大小是步行速度变化的关键预测因素.
- 机器学习模型实现了接收器运行特征曲线下的面积为0.86.6.
结论:
- 虽然大多数患者在TKA后保持或增加步行速度,但显著的百分比经历了下降.
- 一个机器学习模型显示了强大的预测性能,用于TKA后的步态速度变化.
- 这种预测能力可以帮助临床决策,关于全膝关节整形术的时间和管理.
