探索膝关节骨关节炎的基于运动的干预措施中治疗效果的异质性
Paul A Dennis1,2, Livia Anderson1, Cynthia J Coffman1,3
1Center of Innovation to Accelerate Discovery and Practice Transformation, Durham VA Health Care System, Durham, NC, USA.
Osteoarthritis and cartilage open
|February 19, 2025
概括
膝关节骨关节炎 (KOA) 的运动干预措施显示了患者的多样化改善. 机器学习发现,中度至重度KOA症状的患者,特别是那些接受集体物理治疗的患者,经历了最大的好处.
科学领域:
- 整形外科 整形外科 整形外科
- 康复医学 康复医学 康复医学
- 生物统计学 生物统计学
背景情况:
- 膝关节关节炎 (KOA) 影响着数百万人,以运动为基础的干预 (EBI) 显示出不同的患者结果.
- 了解患者对KOA的EBI反应的异质性对于个性化治疗策略至关重要.
研究的目的:
- 通过机器学习方法识别使用KOA在EBI中与差异化治疗效果相关的患者特征.
- 为了确定KOA患者特定亚组的最佳EBI.
主要方法:
- 分析了两项随机对照试验 (RCT) 的数据,涉及621名患者.
- 机器学习模型,包括metalearners和回归树,用于识别具有差异性治疗效应的子组.
- 预测因素包括25个人口,临床和心理社会特征;主要结果是西安大略省和麦克马斯特大学骨关节炎指数 (WOMAC) 评分的变化.
主要成果:
- 一个回归树模型在识别患者子组方面表现优于metalearner模型.
- 基于小组的物理治疗 (PT) 在平均WOMAC分数中表现出最大的改善.
- 具有较高基线WOMAC分数 (≥44) 的患者在所有EBI中表现出更大的改善,以小组为基础的PT为最佳治疗,尽管这一亚组的结果更为模糊.
结论:
- 与症状不那么严重的人相比,中度至重度KOA症状的个体可能从EBI中获得更大的益处.
- 基于小组的物理治疗成为一个有希望的,潜在的最佳干预措施来管理膝关节骨关节炎症状.
