机器学习预测用于识别需要旋转形修复的个体:肩肌强度和问卷作为相关因素
Jin-Seong Kim1,2, Ui-Jae Hwang3, Se-Haeng Jo1
1Department of Physical Therapy, Inje University Ilsan Paik Hospital, Goyang-si, Korea.
Journal of back and musculoskeletal rehabilitation
|January 6, 2026
概括
肩部功能问卷和体强度可以预测旋转手腕手术的需要. 机器学习模型将年龄,特定分数,BMI和力量缺陷确定为决策的关键因素.
科学领域:
- 整形外科 整形外科 整形外科
- 生物医学工程 生物医学工程
- 机器学习 机器学习
背景情况:
- 旋转袖口撕裂是肩膀疼痛的常见原因,当保守措施证明无效时,经常需要手术干预.
- 关节镜修复是一种常见的手术方法,但仍然存在高的再撕裂率,突出需要改进患者选择.
研究的目的:
- 为了确定关键的肩部功能问卷和强度测试,预测旋转手套修复的必要性.
- 开发和评估一种机器学习模型,用于预测关节镜旋转手套修复的需要.
主要方法:
- 对183名患者 (89名非手术,94名手术) 进行了分析,这些患者患有旋转手腕损伤.
- 通过对15个特征进行5倍交叉验证,训练6个机器学习算法 (逻辑回归,决策树,随机森林,梯度增强,神经网络,支持矢量机器).
- 在独立的测试套件上对表现最佳的模型进行评估.
主要成果:
- 神经网络模型实现了最高的性能 (精度:0.824,F1:0.749).
- 轮手套修复的顶级预测因素包括年龄,Constant-Murley得分,美国肩膀和肘部外科医生得分,加利福尼亚大学-洛杉矶规模得分,体重指数和肩膀绑架器强度赤字.
- 较低的绑架器强度缺陷,较高的肩膀问卷分数,年轻的年龄和较低的BMI与需要关节镜旋转手套修复的可能性较低相关.
结论:
- 肩部功能问卷和吸收器强度缺陷是确定旋转手套修复的必要性的重要因素.
- 将手术前的肩膀问卷与客观的体强度测量相结合,可以指导关节镜旋转手套修复的共同决策.
- 这些发现为临床医生和患者提供了切割旋转手套的手术决策过程中的实际指导.
