基于机器学习的预测,使用足压和身体角度来预测儿科脊椎病

科学领域:

• 儿科整形外科 儿科整形外科
• 生物机械工程 生物机械工程
• 医疗保健中的机器学习

背景情况:

• 脊椎病影响儿童,需要早期检测才能有效管理.
• 目前的选方法可能缺乏效率或可访问性.
• 从易于获得的数据中确定可靠的指标对于小儿脊椎病的评估至关重要.

研究的目的:

• 用脚压和身体角度数据分析儿科脊柱病的关键特征.
• 开发一个预测机器学习模型,用于早期脊柱形查.
• 为了支持儿童群体的及时干预.

主要方法:

• 收集了3723名小学学生的数据.
• 采用了机器学习算法:物流回归,支持矢量机,随机森林和LightGBM.
• 使用精度,ROC曲线,AUC和SHAP分析评估模型性能.

主要成果:

• 脚外角和压力中心 (COP) 摆动区域在患有脊椎病和没有脊椎病的儿童之间存在显著差异.
• 轻GBM模型以0.971的AUC和92%的精度实现了最高的性能.
• SHAP分析证实了脚外角和COP摇摆区域是关键预测因素.

结论:

• 开发了一个非常准确和高效的预测模型,用于儿科脊柱病.
• 足部压力分布和身体姿势被证实是预测脊椎病的关键指标.
• 这项研究提供了一种新的技术方法,用于儿童早期脊柱形查.