组合算法用于预测前十字带重建后临床失败的风险
Tianlun Zhang1, Zipeng Ye1, Jiangyu Cai1
1Department of Sports Medicine, Shanghai Sixth People's Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai, China.
Orthopaedic journal of sports medicine
|August 21, 2024
概括
这项研究开发了一种机器学习模型,用于预测前十字带重建 (ACLR) 后的临床失败. 该模型准确地识别了患者特定的风险,有助于手术规划和康复.
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
- 数据科学数据科学数据科学
背景情况:
- 针对患者的风险评估对于优化手术规划和前十字带重建 (ACLR) 后康复至关重要.
- 预测临床失败有助于量身定制治疗策略并改善患者的治疗结果.
研究的目的:
- 开发一种机器学习 (ML) 整体算法模型,以预测ACLR后临床失败的风险.
- 创建一个基于ML的网络工具,用于可访问的患者特异性风险预测.
主要方法:
- 分析了432名接受ACLR治疗的患者队列.
- 使用了四种ML算法 (极端梯度提升,随机森林,光梯度提升机,自适应提升).
- 使用AUC,校准和决策曲线分析构建和评估了一种加权平均投票 (WAV) 组合模型.
主要成果:
- 在16.9%的患者中观察到临床失败.
- 失败的关键预测因素包括随访时间,手术前膝盖松,手术时间,体育参与,部斜率,移植直径,年龄和半切除.
- WAV整体模型显示了高预测性能 (AUC:0.9139).
结论:
- 在ACLR之后,WAV整体算法准确地预测了患者特定的临床失败风险.
- 使用此模型的基于网络的应用程序可以帮助临床医生和患者在手术前咨询期间了解个体风险.


