开发一个LASSO动态预测系统,用于在OLIF手术后体内子沉降
Jin Zhang1,2, Hetong Li1, Guofang Fang1
1Department of Orthopaedics, Shenzhen Hospital, Southern Medical University, Shenzhen, Guangdong, PR China.
NPJ digital medicine
|November 13, 2025
概括
在斜腰间体融合 (OLIF) 后子沉降是常见的. 这项研究确定了骨密度和端板损伤等关键预测因素,创造了个性化风险评估工具,以改善患者的治疗结果.
科学领域:
- 脊柱外科手术 脊柱外科手术
- 整形外科的研究研究.
- 生物医学工程 生物医学工程
背景情况:
- 子沉降是斜腰间体融合 (OLIF) 后的常见并发症,往往导致患者的不理想结果.
- 目前沉降的预测模型缺乏足够的准确性和临床适用性.
研究的目的:
- 通过使用定量CT数据和端板因子来确定OLIF后子沉降的关键预测因素.
- 开发和验证一个预测模型,用于术前沉降风险评估.
主要方法:
- 利用最小绝对收缩和选择操作员 (LASSO) 回归来确定CT衍生脊椎骨质量和端板参数的显著预测因素.
- 分析了2017年5月至2024年5月期间337个OLIF外科分段 (674个末端板) 的数据.
- 开发了一个多变量后勤回归模型,并将其视觉化为数字名ogram.
主要成果:
- 在分析的OLIF细分市场中,45.70%观察到沉降.
- 通过LASSO识别的关键预测因素包括椎间盘高度校正,手术内末盘损伤,下末盘形态和下脊椎/末盘体积骨矿物质密度.
- 在培训和验证队列中,开发的诺米图表表显示出出色的预测性能和临床实用性.
结论:
- 一个新的预测模型,包括盘高度校正,端板损伤,形态和骨矿物质密度,有效地预测OLIF后子沉降.
- 数字名图为个性化手术前风险分层和优化OLIF患者的预防策略提供了宝贵的工具.
