开发和验证机器学习模型,以预测全膝关节关节整形术后的慢性疼痛
Ziliang Cheng1, Jingjing Li1, Weishan Wu2
1Shandong University of Traditional Chinese Medicine, Jinan, Shangdong, China.
The Knee
|May 22, 2025
概括
机器学习模型可以预测膝盖关节整形术 (CPSP) 后的慢性疼痛. 随机森林模型在识别高风险患者方面表现最佳,有助于早期干预.
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
- 疼痛管理 疼痛管理
背景情况:
- 在全膝关节整形术 (CPSP) 后的慢性疼痛显著影响患者的功能.
- 早期识别患有CPSP风险的患者对于有效管理至关重要.
- 机器学习 (ML) 为开发CPSP的预测模型提供了潜力.
研究的目的:
- 为了比较各种ML算法的性能来预测CPSP.
- 确定与CPSP发展相关的关键风险因素.
- 确定CPSP预测中最有效的ML模型.
主要方法:
- 分析了785名TKA患者的回顾性队列.
- 使用LASSO回归,确定了9个高风险因素.
- 五个ML模型 (DT,LGBM,SVM,RF,XGBoost) 被训练并使用AUC和Brier分数进行评估.
主要成果:
- CPSP的整体发病率为39.6%.
- 确定了九个CPSP的重大风险因素.
- 随机森林 (RF) 模型实现了最高的AUC (0.918) 和最低的Brier评分 (0.111),表明了优异的预测性能.
结论:
- 在TKA之后,CPSP是一种普遍的并发症,需要临床治疗.
- 鉴定的9个风险因素为CPSP病因学提供了洞察力.
- 射频模型有效预测CPSP,使风险患者的早期识别和干预成为可能.
