术前预测未能达到最低临床重要差异和实质性临床益处,患者报告的结局措施,全关节整形术患者使用机器学习

科学领域:

• 整形外科手术 整形外科手术
• 健康 结果 研究 研究 结果
• 机器学习在医学中的应用

背景情况:

• 越来越多的关注患者报告的结果措施 (PROMs) 在全关节整形术 (THA).
• 需要预测THA后未能达到临床重要差异最小值 (MCID) 和实质性临床益处 (SCB).
• 确定影响THA成功的术前因素是必不可少的.

研究的目的:

• 为了在术前预测THA后未能实现MCID和SCB.
• 确定与未能满足MCID和SCB相关的患者特异性因素.
• 为了提高患者和外科医生对THA的期望管理.

主要方法:

• 追溯分析来自单一机构的电子健康记录.
• 利用机器学习模型来预测MCID和SCB,使用关节残疾和骨关节炎结局分数来预测关节置换.
• 后勤回归确定了导致结果失败的重大风险因素.

主要成果:

• 在350名患者中,16.0%的基MCID失败,8.3%的分布式MCID失败,20.3%的SCB失败.
• 机器学习模型展示了可靠的预测性能.
• 患者的种族和先前存在的精神疾病被确定为未能实现MCID和SCB的共同风险因素.

结论:

• 了解MCID/SCB失效的风险因素可以客观地量化患者和外科医生对THA的期望.
• 在THA患者中,手术前的心理健康障碍需要特别注意.
• 进一步调查种族对退行性关节疾病结果的影响是有必要的.