一个基于机器学习的可解释的网络应用程序,用于预测艾滋病毒感染者的脆弱性骨折:来自中国北京迪坦医院的数据

科学领域:

• 生物医学信息学 生物医学信息学
• 整形外科 整形外科 整形外科
• 传染性疾病 传染性疾病

背景情况:

• 艾滋病毒感染者 (PLWH) 的脆弱性骨折率更高,导致发病率和死亡率增加.
• 准确的风险预测对于及时干预和管理PLWH骨折至关重要.

研究的目的:

• 开发和验证一种使用机器学习算法的新型基于Web的计算器.
• 预测脆弱性骨折风险,特别是在艾滋病毒感染者 (PLWH) 中.

主要方法:

• 对1045名接受培训和450名接受外部测试的患者的临床数据进行了回顾性分析.
• 使用后勤回归,LASSO,Boruta和RFE-RF进行特征选择.
• 训练和评估六个机器学习模型,包括XGBoost,具有交叉验证和超参数调整.

主要成果:

• 该XGBoost模型显示出优异的预测性能 (ROC-AUC 0.984培训,0.979外部测试).
• 关键预测因素包括年龄,吸烟,跌倒史,TDF使用,HIV病毒载量,维生素D,血红蛋白,白蛋白,CD4计数和腰椎BMD.
• 开发的网络计算器 (https://sydtliubo.shinyapps.io/cls2shiny/) 通过SHAP值提供可解释的风险评估.

结论:

• 开发了一个高度准确和可解释的基于网络的工具,用于在PLWH中预测脆弱性骨折风险.
• 该工具有助于骨折风险分层和管理,可能减轻脆弱性骨折对艾滋病毒患者的影响.