在老年人关节置换中动态虚弱风险预测:对个性化康复进行深度学习方法
Xujing Lv1, Hongmei Li1, Yue Li2
1Fenyang College, Shanxi Medical University, Shanxi, China.
BMC medical informatics and decision making
|August 7, 2025
概括
这项研究开发了一个DeepSurv模型来预测部置换手术后的脆弱风险. 该模型准确地识别了高风险时期和关键预测因素,使个性化康复能够更好地恢复患者.
科学领域:
- 老年医学 老年医学
- 整形外科手术 整形外科手术
- 在医疗保健中的数据科学.
背景情况:
- 接受关节置换手术的老年患者有很高的脆弱风险,导致并发症和延迟恢复.
- 准确预测术后虚弱及其进展对于个性化康复策略至关重要.
研究的目的:
- 开发和评估动态生存分析模型,以预测老年关节置换患者的术后脆弱风险.
- 确定影响外科手术后脆弱性轨迹的关键临床预测因素.
主要方法:
- 对647名年长的关节置换患者进行前性研究,数据增长至2500例.
- 使用了七种生存分析模型 (Cox-Time,DeepHit,DeepSurv,MP-RSF,MP-AdaBoost,MP-LogitR) 来进行动态脆弱风险预测.
- 使用C指数和Brier分数评估模型;通过SHAP分析评估可解释性.
主要成果:
- DeepSurv模型实现了最高的预测性能 (C指数=0.95,Brier分数=0.03).
- 手术后30天左右的脆弱性风险达到峰值,到90天降低.
- 关键预测因素包括低密度脂蛋白胆固醇 (LDL-C),年龄,体重指数 (BMI) 和手术指示.
结论:
- DeepSurv 模型在预测术后脆弱性轨迹方面表现出卓越的准确性.
- 识别高风险时期和临床预测因素可以及时进行个性化干预,以改善功能恢复.
