评估2种不同的肩部假肢机器学习预测的准确性:外部验证研究
Gianluca Caprili1, Andrea G Calamita1, Michele Novi1
1Prosthetic Orthopedics, San Pietro Igneo Hospital, Fucecchio, FI, Italy.
JSES international
|September 17, 2025
概括
这项研究验证了一种机器学习工具,用于预测逆向全肩关节整形术后的结果. 该工具在不同类型的植入物中显示了准确的预测,有助于患者期望管理.
科学领域:
- 整形外科手术 整形外科手术
- 机器学习 机器学习
- 生物医学工程 生物医学工程
背景情况:
- 机器学习在骨科手术,特别是肩部手术中的整合是一个越来越感兴趣的领域.
- 这项研究侧重于逆向全肩关节整形手术 (RTSA) 对关节骨关节炎.
研究的目的:
- 对RTSA结果的预测分析平台进行外部验证.
- 评估平台在不同类型的植入物中的通用性.
主要方法:
- 对接受RTSA的90名患者进行了回顾性分析.
- 预测工具的结果预测与实际术后结果 (视觉模拟尺度,运动范围) 在3-6个月,1年和2年之间进行比较.
- 计算和比较平均绝对误差 (MAE) 与内部验证数据.
主要成果:
- 在这两组植入物中,在手术后观察到疼痛和运动范围的显著改善.
- 与大多数结果的内部验证相比,预测工具显示了较低或类似的MAE.
- 该工具的预测可以将其推广到其培训数据中不包括的植入物类型.
结论:
- 验证的预测分析平台对于RTSA结果是可靠的.
- 该工具的通用性表明它在各种肩部假肢中具有潜在的实用性.
- 这项技术可以帮助临床医生有效地管理患者的期望.
