探索智能环的潜力,以预测骨科手术患者的术后疼痛结果

科学领域:

• 整形外科 恢复 整形外科 恢复
• 数字健康监测数字健康监测
• 疼痛管理技术 疼痛管理技术

背景情况:

• 骨科手术后不充分缓解疼痛会导致更长的恢复时间,并发症增加和长时间使用阿片类药物.
• 穿戴式传感器数据提供了一种潜在的方法,可以客观地评估患者在康复期间的生理状态.
• 实时生理数据可能有助于更有效地识别和管理术后疼痛.

研究的目的:

• 开发和评估机器学习模型,使用智能环数据预测骨科手术后疼痛缓解不良.
• 评估使用可穿戴设备数据用于实时监测术后患者疼痛的可行性.
• 将可穿戴数据模型的预测性能与基于手术前因素的传统方法进行比较.

主要方法:

• 收集了37名接受骨科手术的住院患者的智能戒指数据.
• 开发机器学习模型,根据传感器数据预测缺乏疼痛缓解.
• 使用独立测试数据集验证模型性能,计算精度,F1得分和AUC.

主要成果:

• 机器学习模型在预测不良疼痛缓解方面实现了70.0%的准确性,0.769的F1得分和0.762的AUC.
• 性能指标与利用静态,手术前患者数据的现有模型可比.
• 展示了智能戒指数据提供客观,实时疼痛估计的潜力.

结论:

• 穿戴设备数据,特别是来自智能戒指的数据,在预测骨科手术后的术后疼痛缓解方面表现有前途.
• 这项技术可以实现主动性疼痛管理策略,潜在地改善患者的治疗结果并降低医疗保健成本.
• 需要进一步的研究来将这种方法纳入常规的临床实践,以改善术后护理.