机器学习模型可靠地预测中枢骨关节重建中的临床结果
Hongwei Zhan1, Xin Kang2, Xiaobo Zhang2
1Department of Sports Medicine, Honghui Hospital, Xi'an Jiaotong University, Xi'an, Shaanxi, China. Electronic address: https://facebook.com/100091611350229.
概括
机器学习模型准确地预测了中间骨带重建 (MPFLR) 后的结果. 关键因素包括手术前的分数和手术时间,有助于患者的康复和预防不稳定.
科学领域:
- 整形外科手术 整形外科手术
- 生物医学工程 生物医学工程
- 在医疗保健中的数据科学.
背景情况:
- 中部骨带重建 (MPFLR) 是一种常见的骨不稳定的程序.
- 预测MPFLR后的临床结果对于患者管理和手术规划至关重要.
- 目前预测结果的方法有限,需要先进的分析方法.
研究的目的:
- 开发和验证机器学习 (ML) 模型,以预测MPFLR后的临床结果.
- 确定影响MPFLR患者康复和成功的关键指标.
- 为了提高MPFLR患者预后的准确性.
主要方法:
- 分析了2018年至2022年间接受MPFLR治疗的218名患者队列.
- 用6个ML算法构建了66个预测模型,用于7个不同的临床结果.
- 模型性能使用AUC,准确性,特异性和灵敏度进行评估,SHAP值确定了重要的预测因素.
主要成果:
- ML模型表现出强的性能,具有优异的曲线下面面积 (AUC) 值,用于预测反复的不稳定性 (0.943) 和恢复到受伤前的运动 (0.952).
- 恢复体育运动的重要预测因素包括低的手术前特格纳得分和缺乏严重的三角膜发育不良.
- 老年,女性性别和低的手术前莱斯霍姆分数被确定为反复不稳定的预测因素.
结论:
- 机器学习模型提供了一种可靠的方法,用于预测MPFLR后的临床结果.
- 这些模型在预测反复的不稳定性方面表现特别强大,有助于风险分层.
- 鉴定的预测因素可以为MPFLR的手术决策和患者咨询提供信息.
