确定在腰椎外科手术后有增加健康利用风险的患者
Rushmin Khazanchi1, Divy Kumar1, Anitesh Bajaj1
1Feinberg School of Medicine, Northwestern University, Chicago, IL, USA.
概括
机器学习模型现在可以预测脊柱手术后的高医疗利用率. 这些工具可以通过在手术前识别有风险的人来改善患者护理.
科学领域:
- 脊柱手术研究结果研究结果
- 机器学习在医疗保健中的应用
- 医学中的预测分析.
背景情况:
- 鉴定术后医疗保健利用率高的患者对于术前规划和术后管理至关重要.
- 现有的研究已经探索了风险因素,但缺乏用于量化利用风险的预测模型.
研究的目的:
- 开发和验证机器学习模型,以预测腰椎手术后90天内高医疗利用率.
- 量化预测准确度,并确定医疗保健利用的关键预测因素.
主要方法:
- 分析了10128例腰部减压和2890例腰部融合手术 (2002-2022) 的队列.
- 优化了包括Random Forest在内的机器学习算法,以预测高医疗保健用户.
- 使用SHAP值来确定模型可解释性的特征重要性.
主要成果:
- 随机森林模型实现了高性能 (AUROC 0.766用于解压,0.727用于融合),超过了ASA基准.
- 减压的关键预测因素包括手术前的腰椎狭窄,二和神经调节器的使用.
- 对于融合,最重要的预测因素是手术前使用阿片类药物,神经调节剂和二,以及人口统计学和操作因素.
结论:
- 成功开发预测机器学习模型,预测腰椎手术后的高医疗利用率.
- 这些经过验证的模型显示出有潜力在临床决策和患者管理工作流程中显著帮助脊椎外科医生.
更多相关视频
04:19Minimally Invasive Treatment for Thoracolumbar Burst Fracture Using Sagittal Alignment Screws and A Trauma Reduction Device
Published on: November 8, 2024
379
06:28Biomechanical Changes Related to Low Back Pain: An Innovative Tool for Movement Pattern Assessment and Treatment Evaluation in Rehabilitation
Published on: December 13, 2024
444
