一种机器学习方法来预测经过全膝关节整形术后的术后睡眠障碍:对多个算法进行比较研究
Yi-Xiang Zhang1,2, Sen He3, Tao Yang1,2
1College of Orthopedics, Tianjin Medical University, Tianjin, China.
Frontiers in medicine
|November 21, 2025
概括
机器学习可以准确地预测膝关节整形术后的术后睡眠障碍. 关键因素包括年龄和术后疼痛,使个性化患者管理能够更好地恢复.
科学领域:
- 整形外科手术 整形外科手术
- 数据科学数据科学数据科学
- 睡眠医学 睡眠医学
背景情况:
- 手术后睡眠障碍 (PSD) 是全膝关节整形术 (TKA) 后的常见并发症,影响患者的康复.
- 关于早期PSD的预测模型的研究有限,特别是使用机器学习 (ML).
研究的目的:
- 开发一个基于ML的预测模型,用于TKA之后的早期PSD.
- 确定影响PSD的关键因素.
- 为临床决策创建一个可解释的模型.
主要方法:
- 在505名TKA患者的数据上训练和评估了10个ML模型.
- 在手术前,手术期间和手术后收集的临床数据.
- 用了SHapley添加式解释 (SHAP) 来确定特征的重要性和模型可解释性.
主要成果:
- 梯度增强机 (GBM) 实现了最高的性能 (AUC 0.906).
- 关键预测因素包括年龄,吸烟,生活状况,以及术后疼痛 (VAS) 和焦虑.
- SHAP分析强调术后的VAS和年龄是最有影响力的.
结论:
- 开发了一个强大的,可解释的ML模型,用于TKA后早期PSD预测.
- 该模型有助于术前风险分层和个性化管理.
- 为了更广泛的临床适用性,建议在不同的环境中进一步验证.