机器学习预测膝盖关节整形术和关节整形术后的排出目的地

科学领域:

• 整形外科手术 整形外科手术
• 医疗保健服务研究 医疗服务研究
• 预测分析是一种预测分析.

背景情况:

• 排放目的地对初级全膝关节整形术 (TKA) 和全关节整形术 (THA) 的成本和术后规划产生重大影响.
• 准确预测出院目的地对于优化患者护理途径和资源配置至关重要.

研究的目的:

• 开发和验证一个预测工具,以确定患者在初级TKA和THA之后的出院目的地.
• 加强骨科外科医生和护理团队的临床决策过程.

主要方法:

• 使用来自国家外科质量改进计划 (NSQIP) 数据库中超过40万名患者的大数据集开发预测模型.
• 将新模型与以前发布的模型进行比较,使用接收器运行特征曲线 (AUC) 下的面积和决策曲线分析 (DCA).

主要成果:

• 与之前的模型相比,新模型在TKA (AUC 0.729对0.688) 和THA (AUC 0.768对0.726) 方面表现出更好的预测性能.
• 决策曲线分析表明,新模型的临床净效益大大改善.
• 经过验证的模型成功地集成到一个用户友好的,基于Web的应用程序中.

结论:

• 开发的工具提供了一种可靠的方法,用于预测初级TKA和THA的患者的出院目的地.
• 这种预测工具可以显著提高临床决策,从而使术后规划更有效,并可能降低医疗保健成本.
• 基于Web的应用程序为外科医生和医疗保健提供者提供了一个实用的解决方案,以优化患者出院计划.