基于机器学习的预测,通过堆叠组合策略,在患有退行性宫骨髓病的患者中预测手术结果
Zhiwei Cai1, Quan Sun2, Chao Li2
1Department of Orthopedics, The Forth Medical Center of Chinese PLA General Hospital, Beijing, 100142, China.
Journal of orthopaedic surgery and research
|September 3, 2024
概括
机器学习分类器准确地预测日本整形医学协会 (JOA) 退行性宫肌病 (DCM) 患者的康复率. 这种堆叠组合策略增强了临床决策和资源分配.
科学领域:
- 整形外科 整形外科 整形外科
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 机器学习 (ML) 被广泛用于疾病结果预测.
- 退行性宫骨髓病 (DCM) 需要准确的预后才能有效地管理患者.
研究的目的:
- 使用堆叠组合策略开发基于ML的分类器.
- 预测日本骨科协会 (JOA) 在DCM患者的康复率.
主要方法:
- 使用了672名DCM患者的一年随访JOA康复率的数据集.
- 开发了91个初始ML分类器,前3个被叠加了一个SVM分类器.
- 曲线下的面积 (AUC) 是绩效评估的主要指标.
主要成果:
- 整体学习策略,特别是堆叠,改善了ML分类器的准确性.
- 结合RFE-SVM,EmbeddingLR-LR和RFE-AdaBoost模型,提高了预测能力.
- 决策曲线分析证实了整体分类器的优越性能.
结论:
- 集成分类器有效地预测了DCM患者的JOA恢复率.
- 这种方法显示出有很大的潜力,可以帮助医生在DCM患者管理.
- 开发的模型可以优化医疗资源的利用.
