开发和验证机器学习模型,以预测肥胖患者在接受选择性关节整形之前住院的时间
Felix C Oettl1,2, Aaron I Weinblatt1, Jose Gutierrez Naranjo1
1Hospital for Special Surgery, New York, NY, USA.
Journal of orthopaedics
|November 17, 2025
概括
手术前的因素可以预测在接受全关节整形手术 (TJA) 的肥胖患者的长时间住院. 男性性别,年龄较大和婚姻状况是关键预测因素,有助于更好的资源配置和患者护理策略.
科学领域:
- 整形外科手术 整形外科手术
- 医疗保健服务研究 医疗服务研究
- 在医疗保健中的数据科学.
背景情况:
- 接受全关节整形术 (TJA) 的肥胖患者通常会经历更长的住院时间 (LOS) 和更多的资源利用.
- 这给医疗机构带来了重大挑战,特别是那些在捆绑支付计划中的医疗机构.
研究的目的:
- 调查手术前信息对接受TJA的肥胖患者长时间住院的预测能力.
- 确定影响该患者队列中LOS的关键手术前参数.
主要方法:
- 利用了4563名肥胖患者的数据,这些患者接受了单边的全关节整形手术 (THA) 或全膝关节整形手术 (TKA).
- 包括31个手术前参数和使用的机器学习模型 (可解释的增强机器用于二进制分类,量子随机森林用于回归).
- 使用AUC-ROC,MCC,F1得分,精度,RMSE和MAE等指标评估模型性能.
主要成果:
- 可解释增强机器 (EBM) 在二进制分类中获得了0.75的F1-Score和0.75的AUC-ROC.
- 量子随机森林 (QRF) 显示出强大的LOS预测能力,MAE为21.5小时,RMSE为32.3小时.
- 长期LOS的关键预测因素包括男性性别,年龄较大和未婚.
结论:
- 机器学习模型显示,在肥胖的TJA患者中,医院LOS的预测能力强.
- 这些发现支持改善手术前规划,患者咨询和资源配置.
- 优化护理和出院策略可以通过使用预测分析来增强.