开发基于机器学习技术的骨质疏松性胸脊柱压缩骨折的皮肤脊椎增强治疗后残留背痛的预测模型
Hao Wu1, Chao Li2, Jiajun Song3
1Department of Anesthesiology, Tianjin Baodi Hospital, Baodi Clinical College of Tianjin Medical University, Tianjin, 301800, China.
Journal of orthopaedic surgery and research
|November 29, 2024
概括
机器学习模型,特别是SVM,准确地预测骨质疏松性脊椎压缩骨折 (OVCF) 手术后的残留背痛. 关键预测因素包括骨质水泥量和脊椎骨折数量.
科学领域:
- 整形外科 整形外科 整形外科
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 骨质疏松性脊椎压缩骨折 (OVCF) 带来了重大的挑战.
- 透皮脊椎造形术 (PVP) 是对OVCF的常见治疗方法.
- 在PVP后的残留背痛会影响患者的治疗结果.
研究的目的:
- 在OVCF患者中开发PVP后残留背部疼痛的预后模型.
- 使用机器学习 (ML) 算法进行预测.
- 确定与持续性疼痛相关的关键风险因素.
主要方法:
- 对接受PVP的863名OVCF患者的分析.
- 在手术后一个月分类为残留疼痛 (VAS ≥4) 和无疼痛组.
- 使用引导验证和详尽搜索进行模型优化;通过AUC,精度,灵敏度和特异性评估性能.
主要成果:
- 机器学习模型在预测性能方面表现优于统计模型.
- 支持矢量机 (SVM) 显示出最高的预测准确度.
- 确定的预测因素:骨质水泥体积,骨折的脊椎数量,面部关节损伤,副脊髓肌肉退化和脊髓内真空裂.
结论:
- 包括SVM在内的ML分类器有效地预测PVP后OVCF患者的残留背痛.
- 该研究确定了残留疼痛的关键多变量预测因子.
- 这种方法有助于个性化治疗策略和风险分层.
