在ACL重建后的重新操作,结果和管理中应用机器学习 - - 一个系统的审查

科学领域:

• 整形外科手术 整形外科手术
• 生物医学数据科学 生物医学数据科学
• 医疗保健中的机器学习

背景情况:

• 机器学习 (ML) 工具在临床环境中越来越多地被使用,提供了新的应用,但在可靠性和准确性方面面临挑战.
• 骨科手术中的预测建模,特别是前十字带 (ACL) 重建,是一个不断发展的研究领域.

研究的目的:

• 系统地审查和讨论有关ML算法的当前文献,以预测患者在ACL重建后的结果和指导管理.
• 在ACL重建的背景下,评估现有的ML模型的预测能力和局限性.

主要方法:

• 对涉及ML算法的研究进行了全面的PubMed搜索,涉及与ACL重建,其结果和管理相关的ML算法.
• 没有时间限制或过器;所有符合条件的研究都被手动审查.
• 包括的研究分析了重新手术的各种预测因素,临床结果和特定的管理方面.

主要成果:

• 在选了115篇文章后,包括了15项研究.
• 应用了ML模型来预测重新手术,临床结果 (例如,月经板撕裂,关节炎),成本,阿片类药物使用和其他管理因素.
• 这些模型的预测能力是高度可变的,取决于具体的研究问题和输入参数.

结论:

• 当前的ML工具为影响结果和ACL后重建管理因素提供了宝贵的见解.
• 虽然机器学习模型可能会超过传统的回归模型,但它们的预测准确性往往不足以做出个人临床决策.
• 持续的快速进步表明,在这个领域的ML预测能力可能会在未来显著提高.