开发一种基于机器学习的模型,用于预测近接大腿骨骨折患者的功能结果
Kyohei Nozawa1, Satoshi Maki2,3, Issei Tanaka1
1Department of Medical Engineering, Graduate School of Science and Engineering, Chiba University, 1-33 Yayoi-Cho, Inage-Ku, Chiba, 263-8522, Japan.
Scientific reports
|December 29, 2025
概括
机器学习准确地预测了近端股骨骨折后患者的独立性. 该工具使用入院数据来预测日常生活活动水平,帮助康复规划和出院.
科学领域:
- 整形外科 整形外科 整形外科
- 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:
- 早期功能恢复对于近端大腿骨骨折的患者至关重要.
- 预测结果有助于排放规划和设定康复目标.
- 机器学习为早期功能性预后预测提供了潜力.
研究的目的:
- 开发和验证一种机器学习模型,用于预测放电时的功能独立性.
- 利用现有的入院数据进行早期预后.
- 确定近端大腿骨折患者功能恢复的关键预测因素.
主要方法:
- 分析了来自日本康复协会数据库的3088例近端大腿骨折病例的数据集.
- 实施了回归模型,以预测退院时在日常生活 (ADL) 活动中的独立程度.
- 模型性能使用准确度和方位加权卡帕 (QWK) 进行评估;可解释性使用SHAP值进行评估.
主要成果:
- 机器学习模型实现了0.340的精度和0.657的QWK,证明了稳定的预测协议.
- 通过SHAP值确定的关键预测指标包括总功能独立度量 (FIM) 评分和老年痴呆患者的先前存在的ADL独立性.
- 该模型使用入院数据成功预测了放电ADL独立性.
结论:
- 开发了一种可靠的机器学习模型,以预测近接骨骨折后的功能独立性.
- 该模型利用初始患者数据,促进及时康复和出院规划.
- 这种方法通过在康复过程的早期预测功能结果来增强个性化的护理.


