基于生物心理社会的机器学习模型预测膝关节关节整形术后患者的改善情况

科学领域:

• 整形外科和康复科学 整形外科和康复科学
• 医疗保健中的人工智能
• 生物心理社会医学 生物心理社会医学

背景情况:

• 全膝关节整形术 (TKA) 是末期关节炎的常见手术,但患者的康复复杂.
• 当前的TKA决策往往忽视了影响结果的关键生物心理社会因素.
• 整合这些因素可以导致更个性化和更有效的患者护理策略.

研究的目的:

• 利用机器学习和贝叶斯推理,为TKA结果开发以患者为中心的预测模型.
• 为了提高准确性,将一套全面的生物心理社会特征纳入预测模型中.
• 预测TKA后三个月生活质量和膝盖症状的改善.

主要方法:

• 利用了澳大利亚四家医院 (2019-2022) 863名TKA患者的数据.
• 采用机器学习和贝叶斯推理来构建预测模型.
• 评估结果使用简单形式-12体质综合评分 (PCS) 来评估生活质量,以及西部安大略省和麦克马斯特大学关节炎指数 (WOMAC) 来评估膝关节症状.

主要成果:

• 确定了生活质量的关键预测变量,包括手术前的PCS,营养,就业和手握强度.
• 确定了膝关节症状学的关键预测变量,包括手术前WOMAC,疼痛灾难化和疲劳.
• 贝叶斯方法提供了个别结果预测与相关的不确定性估计.

结论:

• 结合生物心理社会特征的整体模型显著提高了TKA结果预测.
• 机器学习和贝叶斯推理为TKA的个性化患者护理提供了强大的方法.
• 个性化预测可以更好地告知临床决策和患者管理策略.