基于机器学习的预测,在扩展单边开门拉米诺整形术后对轴痛进行预测:一项回顾性队列研究
Kelun Huang1, Sheng Li2, Yile Dai3
1Department of Orthopedics (Spine Surgery), The First Affiliated Hospital of Wenzhou Medical University, Wenzhou, 325035, Zhejiang, China.
Pain and therapy
|December 10, 2025
概括
机器学习模型可以预测扩展单边开门拉米诺塑性手术 (ELAP) 后的轴痛. 关键预测因素,如C7细膜整形和宫囊炎,被确定有助于避免这种常见的并发症.
科学领域:
- 神经外科 神经外科
- 整形外科 整形外科 整形外科
- 医疗人工智能 医疗人工智能
背景情况:
- 轴痛是扩展性单侧开门拉米诺塑性手术 (ELAP) 后的常见并发症.
- 传统的统计方法很难有效地预测ELAP后轴痛.
- 这项研究旨在开发机器学习 (ML) 模型来预测轴痛,并确定其关键预测因子.
研究的目的:
- 开发和验证机器学习模型,以预测ELAP后的轴痛.
- 通过使用SHapley添加式扩展 (SHAP) 识别导致ELAP后轴痛的显著预测因素.
主要方法:
- 对851名经过ELAP治疗的椎脊髓炎 (CSM) 患者的回顾性分析.
- 使用拉索回归进行特征选择,然后使用超参数优化进行ML模型开发 (XGBoost).
- 时间验证和SHAP分析用于预测因素重要性评估.
主要成果:
- 极端梯度增强 (XGBoost) 模型在内部 (AUC=0.948) 和时间 (AUC=0.906) 验证方面都表现出很高的性能.
- 发现的关键预测因素包括C7层塑造术,手术分段分类,宫囊,开门角,宫,以及脊柱通道占用率.
- 根据SHAP的分析,C7层层整形术被列为最重要的预测因素.
结论:
- 机器学习模型,特别是XGBoost,可以有效地预测ELAP后轴痛.
- 识别和解决关键预测因素,如C7层塑造,手术程度和宫对齐,可以帮助缓解轴痛.
- 建议包括分段选择性ELAP,避免不必要的C7层塑料,并保持最佳的开门角度.
