在轨道壁骨折中预测实质性的闭球损伤
Farhad Salari1, Seyed Mohsen Rafizadeh2, Hanieh Fakhredin1
1Eye Research Center, Farabi Eye Hospital, Tehran University of Medical Sciences, Qazvin Square, Tehran, Iran.
International ophthalmology
|May 7, 2024
概括
在轨道骨折中确定关闭球体损伤 (SCGI) 的危险因素至关重要. 机器学习模型,特别是XGBoost,在预测SCGI方面表现有前途,优于传统的物流回归.
科学领域:
- 眼科医生 眼科 眼科
- 创伤外科 手术 创伤外科
- 医疗成像医学成像
背景情况:
- 轨道骨折是常见的伤害.
- 与轨道骨折相关的实质性闭球损伤 (SCGI) 可以导致显著的视力丧失.
- 预测SCGI对于及时干预和管理至关重要.
研究的目的:
- 为了确定患有轨道骨折的患者SCGI的危险因素.
- 开发和比较SCGI预测的多变量模型.
主要方法:
- 追溯研究403名患有轨道骨折的患者 (2016-2022年).
- 使用全面的眼科检查和轨道CT扫描.
- 后勤回归 (LR),支持向量机 (SVM),随机森林回归 (RFR) 和极端梯度提升 (XGBoost) 用于预测建模.
主要成果:
- 几个因素与SCGI风险增加有关,包括减少未经校正的视敏度 (UCVA),年龄较大,男性性别,以及特定的骨折特征 (例如,中间壁骨折,肺气,后腹出血).
- XGBoost以73.1%的曲线下面积 (AUC) 显示出最高的预测性能,超过了LR (57.2%),SVM (68.8%) 和RFR (63.7%).
结论:
- 临床和放射性发现对于预测SCGI非常有价值.
- 与物流回归相比,XGBoost为SCGI提供了优越的预测模型,并且值得考虑临床集成.
