视觉模拟尺度脚和脚与简短的36个生活质量评分:人工智能使用机器学习分析与外部验证

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
• 人工智能的人工智能

背景情况:

• 视觉模拟尺度脚和脚 (VASFA) 和简短形式36 (SF-36) 对于评估患者的结果至关重要.
• 分析这些分数之间的相关性对于了解治疗疗效和患者福祉至关重要.
• 当前的分析方法在捕捉复杂的得分关系方面可能存在局限性.

研究的目的:

• 应用人工智能 (AI) 和机器学习 (ML) 来分析VASFA和SF-36分数之间的关系.
• 评估AI/ML模型在基于脚患者数据的预测生活质量的表现.
• 通过内部和外部验证来确定ML模型的预测准确性.

主要方法:

• 收集并编制了819个脚患者记录的数据集,包括VASFA和SF-36分数.
• 开发了两个ML模型:一个随机森林回归模型和一个梯度增强回归模型,其中包含参数调整以防止过拟合.
• 在42个患者记录的独立数据集上进行了外部验证.

主要成果:

• 最初的随机森林模型显示了VASFA,SF-36总得分和总体SF-36百分比之间的完美相关性 (R2=1,000).
• 第二个梯度增强模型实现了0.977.7的高R2得分.
• 外部验证证实,预测值和实际值之间没有显著差异 (p=0.2136).

结论:

• 机器学习模型有效地预测了VASFA分数和SF-36生活质量指标之间的关系.
• 这些模型显示出出色的预测性能,并得到了强大的内部和外部验证的支持.
• 人工智能和机器学习为分析患者报告的足护理结果提供了强大的工具.