机器学习模型的预测准确性对于胸脊柱突破骨折中保守治疗失败的预测准确性
Ehsan Alimohammadi1, Fatemeh Arjmandnia2, Mohammadali Ataee3
1Department of Neurosurgery, Kermanshah University of Medical Sciences, Imam Reza Hospital, Kermanshah, Iran. Hafez125@gmail.com.
BMC musculoskeletal disorders
|November 19, 2024
概括
机器学习模型有效地预测了对胸脊柱突破骨折的手术需求,这些骨折对保守护理无反应. 吸烟和步行间距离是关键的风险因素,指导治疗决策.
科学领域:
- 整形外科 整形外科 整形外科
- 脊柱外科手术 脊柱外科手术
- 医疗信息学 医疗信息学
背景情况:
- 胸突裂骨折存在管理方面的挑战,在一些患者中,保守治疗失败.
- 预测哪些患者在初始保守管理后需要手术对于最佳结果至关重要.
研究的目的:
- 评估机器学习模型 (MLMs) 在预测胸脊柱突破骨折手术干预需求方面的有效性.
- 在这些骨折中识别与保守治疗失败相关的风险因素.
主要方法:
- 对357名胸突裂骨折患者进行了回顾性分析,这些患者接受了保守治疗.
- 评估风险因素,包括人口统计,吸烟,糖尿病,骨折特征和疼痛.
- 应用随机森林 (RF),支持矢量机 (SVM) 和k-最近邻近 (k-NN) 模型来预测故障.
主要成果:
- 14.8%的患者需要手术;吸烟和脚间距离是导致失败的独立风险因素.
- SVM实现了最高的精度 (0.931),其次是RF (0.911) 和k-NN (0.896).
- SVM表现出优越的灵敏度和特异性,AUC值最高 (0.897).
结论:
- 机器学习模型可以准确地预测胸脊柱突破骨折的保守治疗失败.
- 这些预测模型可以增强患者管理和改善临床结果.
- 早期识别高风险患者可以优化治疗策略.


