对膝关节疼痛的预测模型进行比较,并使用可解释的机器学习分析个人和身体活动变量
1Department of Physical Therapy, College of Software and Digital Healthcare Convergence, Yonsei University, 1, Yeonsedae-gil, Heungeop-myeon, Wonju-si, Gangwon-do, 26493, South Korea.
The Knee
|March 5, 2025
概括
预测膝盖疼痛是可行的,使用个人和身体活动数据. 活动限制成为最强的预测因素,突出其在膝关节疼痛发展中的重要性.
科学领域:
- 整形外科 整形外科 整形外科
- 生物统计学 生物统计学
- 机器学习 机器学习
背景情况:
- 膝盖疼痛显著影响成人和老年人.
- 相关因素包括年龄,肥胖,职业活动和运动.
研究的目的:
- 开发一个对膝关节疼痛的预测模型.
- 确定关键的个人和身体活动预测膝盖疼痛的因素.
- 分析这些变量与膝盖疼痛之间的关系.
主要方法:
- 使用19个个体和体力活动变量构建了膝盖疼痛预测模型.
- 采用递归特征消除与对变量选择进行交叉验证.
- 利用夏普利增量解释 (SHAP) 来分析预测变量的重要性.
主要成果:
- CatBoost 模型展示了卓越的预测性能.
- 活动限制是最有影响力的预测因素.
- 其他重要的预测因素包括每周的体力活动,身体形象,体重变化,职业类型,年龄,BMI和住房类型.
结论:
- 机器学习模型可以有效地利用个人和身体活动数据预测膝盖疼痛.
- 像SHAP这样的可解释模型为导致膝关节疼痛的复杂因素提供了宝贵的见解.
