在初级全膝关节整形手术中预测周围假肢关节感染:一个整合术前和术后风险因素的机器学习模型
Yuk Yee Chong1, Chun Man Lawrence Lau2, Tianshu Jiang3
1Department of Orthopedics and Traumatology, The University of Hong Kong, Hong Kong SAR, China.
BMC musculoskeletal disorders
|March 12, 2025
概括
这项研究开发了一种机器学习模型,用于预测在亚洲进行全膝关节整形术后的周围假肢关节感染. 该模型确定了关键的风险因素,使得更好的个性化患者评估和护理.
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
- 机器学习 机器学习
背景情况:
- 周围假肢关节感染 (PJI) 是全膝关节整形术 (TKA) 后的一种严重并发症,导致患者显著的发病率和死亡率.
- 现有的PJI风险预测工具对于亚洲人群来说不足.
- 这项研究解决了在亚洲人口结构中需要量身定制的PJI风险评估的需求.
研究的目的:
- 开发和验证第一个机器学习 (ML) 模型,用于预测亚洲队列中初级TKA后的PJI.
- 为了确定PJI的显著的术前和术后风险因素.
- 在TKA之前提供个性化风险评估和优化工具.
主要方法:
- 在中国学术医疗中心对3,483例初级TKA病例 (1998-2021) 的回顾性分析.
- 提取和分析60个潜在的风险特征,包括人口统计,手术变量,实验室结果和并发症.
- 开发和比较五个ML模型,根据交叉验证和性能指标选择平衡随机森林模型作为最佳模型.
主要成果:
- 均衡随机森林模型实现了高预测性能 (AUC 0.963,平衡精度 0.920).
- 确定PJI的主要风险因素包括长时间的手术时间,男性性别,ASA等级>2,贫血,以及有败血性关节炎史.
- 脊柱麻醉被发现是对PJI的保护因素.
结论:
- 开发的ML模型是亚洲首个在初级TKA后预测PJI的模型.
- 该模型提供全球和本地解释,增强其在术前和术后风险评估的临床实用性.
- 该工具促进了个性化的风险分层,可能改善患者的治疗结果,并指导预防策略.
