对全膝盖或关节整形术患者的预后模型的基于机器学习的监督偏差风险:系统性审查
Hongxia Zhang1, Lina Jiang1, Jiang Zheng2
1Department of Orthopedics, Banan Hospital Affiliated to Chongqing Medical University, Chongqing, China.
Medicine
|November 5, 2025
概括
监督机器学习 (ML) 模型用于全膝关节/关节整形术的预后,由于样本大小小和验证有限,通常存在高偏差风险. 改善模型构建标准对于可靠的骨科手术预测至关重要.
科学领域:
- 整形外科手术 整形外科手术
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 机器学习 (ML) 算法在骨科手术中越来越多地使用.
- 这些ML模型的方法质量和潜在偏差需要彻底评估.
- 目前对全膝关节整形术 (TKA) 和全关节整形术 (THA) 预后的监督ML的研究需要进行批判性评估.
研究的目的:
- 综合分析和评估偏差风险和监督的ML驱动的预测风险预测模型的适用性.
- 专注于对接受TKA/THA的患者预测结果的模型.
主要方法:
- 搜索了多个数据库 (CNKI,万芳,PubMed,科学网,Cochrane,Embase) 截至2024年1月20日.
- 提取了关于研究特征,ML方法,性能和结果的数据.
- 应用了PROBAST检查表来评估偏差风险和适用性.
主要成果:
- 包括来自2909个记录的32项研究;大多数模型只有内部验证.
- 93% (29/31) 的开发模型和1个外部验证的模型显示出高偏差风险.
- 在参与者选择和分析领域特别注意到高偏差风险.
结论:
- 这一领域几乎所有监督的ML模型都表现出高偏差风险.
- 样本规模不足,数据问题,过度配套和外部验证不足都会导致偏见.
- 严格的标准和使用监督的ML构建预后模型的改进是必不可少的.
