主要ACL重建后的移植失败和逆侧ACL损伤:使用可解释机器学习分析风险因素

科学领域:

• 整形外科 整形外科 整形外科
• 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:

• 前交叉带重建 (ACLR) 旨在恢复膝盖的稳定性,但存在二次损伤的风险,例如移植失败或逆侧ACL破裂.
• 这些二次伤害可能会阻碍患者成功恢复到受伤前的活动水平.

研究的目的:

• 开发和内部验证一个可解释的机器学习 (ML) 模型.
• 在接受ACLR的患者中量化移植失败和逆侧ACL损伤的风险.

主要方法:

• 一项用大型地理数据库 (>600,000名患者) 进行的病例对照研究,其中包括ACL破裂诊断 (1990-2016) 和至少2年的随访.
• 评估了四个ML算法,用于预测移植失败和逆侧ACL损伤,通过歧视,校准和决策曲线分析评估性能.
• 通过使用全球变量重要性图和部分依赖曲线,实现了模型解释性.

主要成果:

• 1497名患者符合纳入标准;9.4%的患者出现了移植失败,8.6%的患者出现了逆侧ACL损伤.
• 最好的ML模型实现了0.70 (移植失败) 和0.67 (对侧损伤) 的AUC,超过了后勤回归.
• 移植失败的重要预测因素包括年轻的年龄,BMI <30,早期恢复体育运动,延迟手术 (>75天),异种移植使用和吸烟史.

结论:

• 预计不到18%的ACLR患者会出现移植失败或逆侧ACL损伤.
• 机器学习模型确定了手术前的疼痛,年轻的年龄,BMI <30,早期恢复活动,以及延迟的手术作为常见的风险因素.
• 移植失败的外科医生可修改的因素包括全移植选择和固定方法.