一个机器学习模型用于预测年轻和中年患者的术后并发症风险,这些患者患有大腿部骨折
Yixin Huang1,2, Dongze Lin1, Bin Chen1
1Department of Orthopedics, Fuzhou Second General Hospital, Fujian Provincial Clinical Medical Research Center for Trauma Orthopedics Emergency and Rehabilitation, Fuzhou, China.
Frontiers in surgery
|September 11, 2025
概括
一个新的机器学习模型预测了年轻成年人部部骨折的术后并发症. 该工具有助于评估患者的风险,改善手术结果并降低医疗保健成本.
科学领域:
- 整形外科手术 整形外科手术
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
背景情况:
- 腿部部骨折很常见,并导致严重的并发症,影响患者的生活质量和医疗保健费用.
- 在年轻和中年患者中预测这些术后并发症对于有效的管理至关重要.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测患有股骨骨折的年轻和中年患者的术后并发症.
- 确定影响并发症风险的关键预测因素,并提供个性化的风险评估.
主要方法:
- 追溯分析899名患有大腿部骨折的患者接受手术.
- 利用LASSO和后勤回归来进行预测器识别,随后进行ML模型集成和比较分析.
- 使用SHAP值用于模型解释和个性化风险评估.
主要成果:
- 确定了手术内减少质量,碎片化,骨折类型,后侧倾斜,早期承重和固定移除作为重要预测因素.
- 后勤回归模型实现了高性能 (AUC 0.906,精度 0.877).
- SHAP分析强调了临床使用前七大预测特征.
结论:
- 一个经过验证的后勤回归模型,增强了SHAP解释,有效地预测了年轻和中年大腿部骨折患者的术后并发症.
- 该模型为临床医生提供了一种有价值的工具,以评估个体患者的风险和指导治疗策略.
