预测在早期术后阶段下肢截肢患者的假肢行走能力

科学领域:

• 康复医学 康复医学 康复医学
• 假肢和整形手术
• 医疗保健中的机器学习

背景情况:

• 预测下肢截肢后的行走能力对于康复规划至关重要.
• 早期识别可能实现假肢行走的患者有助于设定现实的目标.
• 机器学习为开发准确的预后模型提供了潜力.

研究的目的:

• 开发和验证一个预后模型,用于预测术后早期下肢截肢患者的假肢行走.
• 确定影响行走结果的关键预测因素.
• 要区分非救护人员,家庭救护人员和社区救护人员的结果.

主要方法:

• 一项回顾性队列研究,利用329名主要下肢截肢患者的电子病历数据.
• 使用机器学习技术开发预测模型.
• 假肢行走结果的分类为非行走者,回家的救护人员 (AP) 和社区AP.

主要成果:

• 一个2类模型 (非行医者与行医者) 通过使用种族,FCI,截肢水平,先前的社区行医和年龄,实现了高准确度 (f1得分0.78,AUROC0.82).
• 一个3类模型 (非救护车,家庭AP,社区AP) 包括10个因素,显示中等准确性 (f1得分0.60,AUROC0.79).
• 3类模型中的其他预测因素包括护理人员的存在,充血性心力衰竭,糖尿病,视力障碍和中风史.

结论:

• 一个高度准确的2类预测模型可以预测截肢后的早期假肢行走后康复.
• 一个中度准确的3类模型区分了行走水平,有助于假肢处方和目标设定.
• 这些模型可以优化康复策略和患者在下肢截肢后的结果.