机器学习模型的开发和验证,用于预测OVCF患者皮肤穿整形术后折断的风险
Wenxiang Tang1, Haifu Sun2, Xingyu You3
1Second Affiliated Hospital of Soochow University, Suzhou, China.
概括
皮肤囊整形术 (PKP) 后的邻近脊椎折断与骨矿物密度,手术前的脊椎高度和骨质疏松症治疗有关. 均衡包装机器学习模型准确预测折射风险,帮助个性化患者护理.
科学领域:
- 整形外科 整形外科 整形外科
- 脊柱外科手术 脊柱外科手术
- 医疗成像医学成像
背景情况:
- 骨质疏松性脊椎压缩骨折 (OVCF) 是常见的.
- 皮肤穿整形术 (PKP) 是对OVCF的常见治疗方法.
- 邻近的脊椎折裂是一个显著的术后并发症.
研究的目的:
- 确定PKP后邻近脊椎折裂的危险因素.
- 开发和验证对折射风险的预测模型.
- 评估临床特征对术后结果的影响.
主要方法:
- 对3,942名接受PKP (2018-2023) 的OVCF患者进行了回顾性分析.
- 分类为非折射和折射组.
- 用于风险因素识别的物流回归.
- 构建和验证用于预测的多个机器学习模型.
主要成果:
- 10.75%的患者经历了邻近的脊椎折断.
- 确定了独立的风险因素:骨矿物密度 (BMD),手术前前脊椎高度 (AVH),前脊椎高度恢复率 (AVHRR) 和骨质疏松症治疗.
- 均衡包装模型实现了高精度 (96.58%),灵敏度 (94.12%),特异性 (96.88%) 和F1得分 (0.8556).
结论:
- AVHRR,BMD和骨质疏松症治疗与PKP后的折断风险有关.
- 均衡包装模型是预测术后折断的最佳方法.
- 这种预测模型可以指导个性化的术后管理,改善结果,减少修复手术.
