手术后血清白蛋白下降预测了初级全膝关节整形术中的并发症:使用XGBoost算法进行的一项回顾性队列研究

科学领域:

• 整形外科手术 整形外科手术
• 生物化学 生物化学
• 机器学习在医疗保健中的应用

背景情况:

• 全膝关节整形术 (TKA) 与具有挑战性的术后并发症有关.
• 手术前的低albuminemia是已知的危险因素,但TKA后的白蛋白变化 (ΔAlb) 的意义仍然不清楚.

研究的目的:

• 为了确定关节感染和其他TKA后的并发症的预测因素.
• 使用机器学习评估 ΔAlb 和 C-反应蛋白 (CRP) 动态的预测值.

主要方法:

• 一项回顾性队列研究,涉及758名TKA患者 (2018-2022年).
• 使用28个变量开发了一个XGBoost机器学习模型,包括ΔAlb和术后CRP峰值.
• 使用AUC-ROC,综合校准指数 (IC) 和决策曲线分析 (DCA) 验证了模型性能.

主要成果:

• XGBoost模型实现了高预测精度 (AUC = 0.947),超过了后勤回归和其他集合方法.
• 专蛋白的百分比下降> 15% (ΔAlb> 15%) 是并发症的显著独立预测因素 (OR,5.8).
• ΔAlb>15%和CRP>60 mg/L之间的相互作用增加了静脉血栓栓塞的风险三倍;52.1%的并发症是静脉血栓塞.

结论:

• ΔAlb是预测TKA后并发症的有价值的动态标记.
• 结合ΔAlb和CRP监测,与现有模型相比,可以提供更高精度的风险估计.
• 可采取行动的风险值,例如当ΔAlb>15%时进行干预,可能可以预防高风险患者超过60%的可避免并发症.