使用预测分析来了解神经性膀症状得分 (NBSS) 变化,在成年人获得脊髓损伤

科学领域:

• 泌尿器科 泌尿器科 泌尿器科 泌尿器科
• 神经学 神经学
• 数据科学数据科学数据科学

背景情况:

• 脊髓损伤 (SCI) 会导致不同的膀健康结果.
• 预测SCI后的尿路症状轨迹对于患者管理至关重要.

研究的目的:

• 利用机器学习来识别影响SCI患者尿路症状的关键变量.
• 评估这些模型在SCI后对膀健康的预测能力.

主要方法:

• 通过使用神经性膀研究小组SCI注册表中的238个变量进行了决策树分析 (eCHAID).
• 主要结局包括基线神经性膀症状得分 (NBSS) 和NBSS的一年变化.

主要成果:

• 基线NBSS是由膀管理方法和生活质量 (QOL) 预测的; 带有良好肠道QOL的上管/泌尿器切除术用户的得分最低.
• 自发排泄的女性患者的基线NBSS最高.
• 一年后NBSS的改善与特定药物使用,感染史和男性和女性患者子组的治疗方法有关,预测能力为57%.

结论:

• 决策树模型可以揭示患者特征和SCI后的尿路症状之间的相关性.
• 这些模型对未来膀症状的预测准确性仍然有限.