使用身体活动因素预测骨关节炎诊断的整体方法
Gyeong-Tae Gwak1, Jun-Hee Kim1, Ui-Jae Hwang1
1Department of Physical Therapy, College of Software and Digital Healthcare Convergence, Laboratory of KEMA AI Research (KAIR), Yonsei University, 1, Yeonsedae-gil, Maeji-ri, Heungeop-myeon, Wonju-si, Gangwon-do, Wonju, South Korea.
Journal of evaluation in clinical practice
|October 23, 2024
概括
这项研究开发了一个整体模型来预测骨关节炎 (OA) 诊断,使用年龄,性别,握力和生活质量. 年龄是最重要的预测因素,达到82.8%的准确性.
科学领域:
- 生物医学数据科学是生物医学数据科学.
- 临床信息学是一种临床信息学.
- 在医疗保健中的预测建模.
背景情况:
- 骨关节炎 (OA) 是一种普遍存在的退行性关节疾病.
- 风险因素包括年龄,性别和身体活动水平.
研究的目的:
- 为OA诊断预测开发软投票组合模型.
- 用变量重要性来识别关键的预测变量.
主要方法:
- 组合模型是RandomForest,XGBoost和LightGBM的组合.
- 对于变量选择的递归特征消除和交叉验证.
- 预测性能和变量重要性的评估.
主要成果:
- 整体模型的准确度达到0.828.8.
- 确定了关键预测因素:年龄,握力,生活质量和性别.
- 年龄是影响力最大的变量 (0.199个重要性).
结论:
- 开发的模型证明了OA诊断预测的良好表现.
- 模型的持续更新可能会提高其预测准确性.
- 在OA诊断支持中具有临床应用的潜力.
