在接受部或膝盖修复关节置换手术的患者中对周围假肢感染的术前诊断:机器学习算法的开发和验证

科学领域:

• 整形外科手术 整形外科手术
• 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) 是关节和膝关节置换术后的一个主要并发症.
• 预测PJI对于修订关节整形术的结果至关重要.

研究的目的:

• 开发和验证用于预测PJI风险的机器学习 (ML) 模型.
• 在修复关节整形术患者中确定PJI的关键手术前预测因素.

主要方法:

• 对1360名接受关节或膝关节修复关节整形手术的患者进行了回顾性分析.
• 使用了手术前的临床病史,实验室结果和人口统计数据.
• 训练并评估了多个ML分类模型,包括线性支向量机 (SVM).

主要成果:

• 线性SVM模型在PJI预测测试集中实现了0.730的AUC.
• 确定了PJI的三个显著的手术前预测因素.
• 该模型显示了PJI的合理预测能力.

结论:

• 术前的临床数据可以与ML一起用于预测PJI风险.
• 开发的线性SVM模型显示了增强手术前风险评估的潜力.
• 需要进一步验证,但ML集成可以改善修复关节塑形手术的决策.