在膝关节骨关节炎中个性化降落恐惧预防:通过IGKSO同步优化和基于SHAP的风险分层,可解释的预测框架
Min Yin1, Wenjing Fang2, Yuanna Cheng1
1Orthopedics Department, The 945th Hospital of the Joint Logistics Support Force of the Chinese People's Liberation Army, Yaan, Sichuan, China.
Frontiers in public health
|March 16, 2026
概括
一个机器学习模型预测了膝关节骨关节炎 (KOA) 患者对跌倒 (CAF) 的担忧. 患有特定疼痛,焦虑和移动性问题的老年女性面临的风险最高,指导临床干预.
科学领域:
- 整形外科 整形外科 整形外科
- 老年学是一门学科.
- 生物医学工程 生物医学工程
背景情况:
- 膝关节关节炎 (KOA) 显著影响患者的移动性和生活质量.
- 对跌倒的担忧 (CAF) 是KOA患者普遍存在的问题,导致身体活动减少和社会隔离.
研究的目的:
- 开发和验证使用同步优化和机器学习在KOA患者中CAF的预测模型.
- 确定在这个人群中导致CAF的关键风险因素.
主要方法:
- 分析了541名KOA患者的队列,CAF使用国际布效率尺度 (FES-I) 进行评估.
- 一个改进的群集智能算法被用于特征选择和超参数优化.
- 沙普利添加式扩展 (SHAP) 用于对模型预测的可解释性分析.
主要成果:
- 开发的机器学习模型实现了高性能,在测试组中F1得分为0.8589和AUC为0.9315.
- 确定了八个重要的预测因素:定时起飞 (TUG) 时间,WOMAC疼痛评分,HADS焦虑评分,膝盖延伸器时刻,年龄,性别,KL等级和BMI.
- SHAP分析揭示了协同作用的生物心理社会相互作用,突出了老年成人女性的TUG时间增加,HADS焦虑和WOMAC疼痛作为高风险队列.
结论:
- 建立了一个验证的多式预测模型,用于KOA患者的CAF.
- 该模型阐明了跌倒风险中的生物机械,心理和社会因素之间的复杂相互作用.
- 这些发现支持针对高风险KOA患者小组,特别是老年妇女的有针对性的临床干预措施.
