在患有部骨折的老年患者中,构建和评估术后再骨折的预测模型
Jingjing Wu1, Qingqing Zeng2, Sijie Gui3
1School of Nursing, Hengyang Medical School, University of South China, Hengyang, China; School-Enterprise Cooperative Innovation and Entrepreneurship Education Base, University of South China-Hunan Lantern Medical Technology Co., Ltd, Hengyang, China.
International journal of medical informatics
|December 7, 2024
概括
这项研究开发了一种自动机器学习模型,用于预测老年关节骨折患者的再骨折风险. 权重Ensemble_L2模型表现出高准确度,有助于早期识别高风险个体.
科学领域:
- 老年医学 老年医学
- 整形外科手术 整形外科手术
- 医疗保健中的人工智能
背景情况:
- 高龄的关节骨折患者面临着术后复发骨折的重大风险.
- 早期识别高风险个体对于有效的管理和干预至关重要.
研究的目的:
- 开发和验证一种自动机器学习 (ML) 模型,用于预测老年关节骨折患者的术后再骨折.
- 确定与再骨折相关的独立风险因素.
- 为早期风险评估和患者管理提供一个工具.
主要方法:
- 分析了来自老年关节骨折患者的临床数据,以确定独立的风险因素.
- 使用自动化ML算法 (AutoGluon) 来构建各种预测模型.
- 模型对70%的数据进行了训练,对30%进行了验证,并进行了外部验证.
- 模型的性能使用诸如曲线下的面积 (AUC) 等指标进行评估.
主要成果:
- 手术后再骨折的发生率约为11.7%.
- 确定的独立风险因素包括年龄,糖尿病,骨质疏松症,康复运动状态和手术前的总蛋白质水平.
- 权重Ensemble_L2模型实现了最高的预测性能,在外部验证中AUC为0.9759.
结论:
- 开发的WeightedEnsemble_L2模型是医疗保健专业人员的高度通用和适用的工具.
- 这种模型可以有效地评估和管理老年关节骨折患者的再骨折风险.
- 自动化ML为预测骨科手术中不良结果提供了一种有希望的方法.
更多相关视频
08:17A Mouse Model of Orthopedic Surgery to Study Postoperative Cognitive Dysfunction and Tissue Regeneration
Published on: February 27, 2018
16.3K
09:51The Transition to an Anterior-Based Muscle Sparing Approach Improves Early Postoperative Function but is Associated with a Learning Curve
Published on: September 7, 2022
2.5K
