对全膝关节整形术患者报告结果的高维物件响应理论分析
Abel Díaz Berenguer1, Matías Nicolás Bossa2, Julien Lebleu3
1Department of Electronics and Informatics (ETRO), Vrije Universiteit Brussel (VUB), Brussel, Belgium. aberengu@etrovub.be.
NPJ digital medicine
|July 1, 2025
概括
本研究提出了一个新的贝叶斯多维层次物件响应理论 (MHIRT) 模型,用于在全膝关节整形术 (TKA) 后更好地评估患者报告的结果 (PRO). 与传统方法相比,MHIRT改善了恢复跟踪和结果预测.
科学领域:
- 整形外科 整形外科 整形外科
- 生物统计学 生物统计学
- 健康 结果 研究 研究 结果
背景情况:
- 在全膝关节整形术 (TKA) 中,患者报告的结果指标 (PROM) 的传统评分通常使用单维方法,无法捕捉恢复的复杂性.
- 评估TKA的恢复需要对各种领域进行细微的测量,例如疼痛,移动性和自我护理.
研究的目的:
- 引入和验证贝叶斯的多维层次物件响应理论 (MHIRT) 模型,用于在TKA中进行增强的PRO评估.
- 证明MHIRT能够在没有预定义子尺度的情况下从PROM中发现隐藏的特征和项目间的关系.
主要方法:
- 开发一个贝叶斯式MHIRT模型,利用像牛津膝盖得分 (OKS) 和EQ-5D-3L这样的PROM.
- 在大型国家卫生服务 (NHS) 数据集上训练模型,并使用 moveUP 数字平台的数据进行外部验证.
- 在预测建模中,将MHIRT衍生的特征与单维得分和传统的多维IRT模型进行比较.
主要成果:
- MHIRT成功地将PROM分解为具有临床意义的特征 (例如疼痛,移动性,自我护理,自信).
- 与总分相比,MHIRT衍生的特征表现出优异的域特定变异捕获,时间灵敏度和人口统计因素的反映.
- 在预测术后结果方面,MHIRT特征始终优于其他方法.
结论:
- MHIRT模型为分析TKA.中复杂的PRO数据提供了一个灵活和可解释的框架.
- 在跟踪患者康复和预测TKA后的健康结果方面,MHIRT提供了更高的准确性.
- 这种方法提高了PROMs在临床决策和关节置换手术研究中的实用性.
