机器学习模型的开发和统计验证,用于预测双极性关节整形术后出院时的功能结果
Takehiro Kaneoka1, Tomohiro Kawazoe1, Kazuhiro Yamazaki1
1Department of Orthopaedic Surgery, Shunan Memorial Hospital, Kudamatsu, Japan.
Progress in rehabilitation medicine
|December 11, 2025
概括
一个机器学习模型准确地预测了关节骨折患者手术后的运动功能. 关键预测因素包括康复状态和认知分数,有助于个性化出院规划.
科学领域:
- 整形外科手术 整形外科手术
- 康复医学 康复医学 康复医学
- 医疗保健中的人工智能
背景情况:
- 关节骨折是老年人群的重大健康问题.
- 预测关节整形术后的功能恢复对于有效的患者管理至关重要.
- 及时干预可以改善部骨折患者的治疗结果.
研究的目的:
- 开发一种可靠的机器学习模型,用于预测放电运动功能 (mFIM分数).
- 在接受双极关节整形手术 (BHA) 的患者中确定运动恢复的关键预测因素.
- 加强康复和出院规划的临床决策.
主要方法:
- 对201名接受BHA治疗的患者进行了追溯分析,以治疗股骨部骨折.
- 6个机器学习模型的开发和超参数调整.
- 使用夏普利添加式扩展 (SHAP) 和多重回归来评估特征重要性.
主要成果:
- 一个轻度梯度增强机模型实现了高预测性能 (R2 = 0.84).
- 确定最有影响力的预测因素是移动时的mFIM得分,Hasegawa痴呆症量表修订 (HDS-R) 得分和骨折前的独立性.
- 这些发现与多重线性回归分析一致.
结论:
- 开发了一种可靠和可解释的机器学习模型,以预测出院后的mFIM分数.
- 该模型的关键预测因素提供了对影响运动恢复的因素的见解.
- 这个工具可以帮助临床医生优化康复目标和出院计划.
