在前十字带重建后建立临床上不同的患者治疗小组:机器学习集群分析

科学领域:

• 整形外科手术 整形外科手术
• 生物医学数据科学是生物医学数据科学.
• 运动医学 运动医学

背景情况:

• 前十字带 (ACL) 损伤带来了复杂的治疗决策,受体育回归欲望和不稳定的影响.
• 需要个性化治疗策略来优化ACL损伤后的结果.

研究的目的:

• 使用无监督机器学习识别ACL损伤后的不同患者子组.
• 评估ACL重建 (ACLR) 与非手术治疗对患者结局的差异治疗效果,包括创伤后关节炎 (PTOA).

主要方法:

• 一项纵向注册研究分析了923名患有ACL损伤 (1990-2016) 的患者,随访时间>7.5年.
• 一个无监督的随机森林算法确定了两个不同的患者子组.
• 机器学习因果推断估计了ACLR与非手术管理的治疗效果.

主要成果:

• 出现了两个子组:一个最佳结果组 (n=653) 和一个次优结果组 (n=270).
• 非最佳组 (年龄较大,BMI较高) 的二次阴茎损伤,PTOA和全膝关节整形术 (TKA) 的比率更高.
• 在这两组中,ACLR显著降低了PTOA和TKA风险,但在低于最佳的组中,对二次阴茎和逆侧ACL损伤的影响较小.

结论:

• 确定了两个临床相关的亚组,对ACLR的反应不同.
• ACLR有效地减少了跨子组的PTOA和TKA进展.
• 患者的年龄,BMI和阴茎损伤状况影响ACLR预防二次损伤的有效性.