机器学习模型的开发,用于预测膝关节骨关节炎患者的抑郁症状
1Nursing School, Peking University Health Science Center, No.38, Xueyuan Road, Haidian District, Beijing City, 100191, China.
Scientific reports
|November 20, 2024
概括
一个新的模型有效地预测膝关节骨关节炎患者的抑郁症状. 这种工具有助于早期识别,改善患者的治疗结果并降低医疗保健成本.
科学领域:
- 医疗信息学 医疗信息学
- 临床预测模型临床预测模型
- 心理健康研究 心理健康研究
背景情况:
- 膝关节关节炎 (KOA) 经常与抑郁症状同时发生,导致不良健康结果和增加医疗负担.
- 目前用于识别有抑郁风险的KOA患者的方法有限,需要先进的预测工具.
研究的目的:
- 开发和验证一种基于机器学习的预测模型,用于识别患有膝关节骨关节炎 (KOA) 的个体,其患有抑郁症状的风险很高.
- 建立一个实用的工具,用于临床环境中早期风险分层.
主要方法:
- 利用中国健康与退休纵向调查 (CHARLS) 的数据进行模型开发,利用骨关节炎倡议 (OAI) 的数据进行外部验证.
- 采用LASSO回归来选择特征,并开发了后勤回归,决策树,随机森林和人工神经网络模型.
- 使用运行特征曲线下的面积 (AUC),校准曲线和决策曲线分析评估模型性能.
主要成果:
- 随机森林模型表现出优异的预测性能,测试组中的AUC为0.928,外部验证中的AUC为0.877.
- 确定的主要预测因素包括疼痛严重程度,五次坐立测试 (FTSST) 和睡眠障碍.
- 开发的模型显著优于其他评估的机器学习方法.
结论:
- 一个强大的随机森林模型可以准确地预测膝关节骨关节炎患者的抑郁症状.
- 疼痛严重程度,功能移动性 (FTSST) 和睡眠质量是KOA中抑郁风险的关键指标.
- 这项研究提供了中国首个对KOA患者抑郁症状的预测模型,促进了早期干预.
