风险因子预测和分类为骨关节炎:一个分类和回归树分析
Elyse N McNamara-Pittler1, Ravi Prakash, Folefac D Atem
1From the University of Texas Health Science Center at Houston School of Public Health, Dallas, Texas (ENM-P, FDA); and Department of Physical Medicine and Rehabilitation, University of Texas Southwestern Medical Center, Dallas, Texas (RP, FDA, RP, WL, MK, NBJ).
分类和回归树分析确定年龄和体重指数是关节骨关节炎的关键风险因素. 这项研究确定了特定的年龄和BMI切断点,为增加风险提供了新的见解,超出了任意分组.
科学领域:
- 整形外科和运动医学
- 生物统计学 生物统计学
- 流行病学 流行病学
背景情况:
- 骨关节炎 (GHOA) 是一种普遍的疾病,但确切的风险因素及其值仍未完全确定.
- 传统的风险因素评估通常使用任意的年龄和体重指数 (BMI) 类别.
- 需要新的分析方法来确定GHOA风险因素的特定切断点.
研究的目的:
- 应用分类和回归树 (CART) 分析来确定关节骨关节炎的重大风险因素.
- 通过使用CART方法来确定这些风险因素的具体切断点.
- 将这些数据驱动的切断点与传统的任意分类进行比较.
主要方法:
- 一项涉及3383名肩部疼痛的参与者的横截面研究.
- 分析了GHOA病例和对照组 (其他肩部病理).
- 通过CART分析评估了33个潜在的风险因素,然后进行多变量逻辑回归.
主要成果:
- 卡特分析确定年龄和体重指数 (BMI) 是GHOA最重要的风险因素.
- 特定的年龄类别 (≥31至<58岁,≥58至<64岁,≥64岁) 和BMI类别 (≥25-30 kg/m2,≥30 kg/m2) 显示GHOA的几率明显更高.
- 几率比率从BMI≥25-30kg/m2的1.47到≥64岁的42.20不等.
结论:
- 这项研究是第一个利用CART分析来识别GHOA风险因素并确定特定的切断点的研究.
- 与以前的任意分组相比,确定的年龄和BMI值为GHOA风险提供了更精细的理解.
- 这些发现为风险分层和关节骨关节炎的有针对性的预防策略提供了有价值的临床见解.
更多相关视频
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
相关概念视频
Survival Tree
Building a Survival Tree
Constructing a...
Receiver Operating Characteristic Plot
