预测成年脊柱形患者的机械并发症,这些患者在术后对齐比例和中度不成比例
Baris Balaban1, Nuri Demirci2, Caglar Yilgor3
1Department of Biostatistics and Bioinformatics, Institute of Health Sciences, Acibadem Mehmet Ali Aydinlar University, Istanbul, Türkiye.
Acta orthopaedica et traumatologica turcica
|July 29, 2025
概括
机器学习在特定的患者群体中准确地预测成人脊柱形手术后的机械并发症. 确定下部仪器脊椎位置有助于风险分层和改进外科手术规划.
科学领域:
- 脊柱外科手术 脊柱外科手术
- 机器学习在医学中的应用
- 整形外科手术 整形外科手术
背景情况:
- 成年脊柱形手术 (ASD) 后经常出现机械并发症,影响患者的治疗结果.
- 预测这些并发症对于术前规划和预防性护理至关重要.
研究的目的:
- 开发一种机器学习模型,用于预测比例和适度不成比例的ASD患者的机械并发症.
- 确定这些并发症的关键预测因子,以帮助临床决策.
主要方法:
- 一个随机森林 (RF) 分类器被训练在从295名ASD患者前性收集的多中心数据上.
- 使用9x3倍交叉验证和网格搜索优化模型性能,以F-score作为主要指标.
- 使用 inTrees 框架,得出了一套临床上可解释的规则.
主要成果:
- 射频模型在预测机械并发症方面达到72%的准确度和91%的灵敏度.
- 一个衍生规则集显示了74%的准确度和81%的灵敏度.
- 下部仪器脊椎 (LIV) 的位置被确定为最重要的预测因素.
结论:
- 这项研究提出了在特定亚组的ASD患者机械并发症的新型预测工具.
- 这些工具可以帮助早期风险分层,并指导术前决策,以改善患者的治疗结果.
- 这项研究是第一个专注于在比例和适度不成比例的ASD患者中对机械并发症的预测工具的研究.
