骨科与肌肉系统：当前研究
开放获取

抽象的

全髋关节置换术后牛津髋关节评分的预测模型和基于网络的计算器

Talitha Koo Yen*、Adriano Stofel Bispo、Danilo Lopes Paiva、Lucas GG Tiago de Souza 和 Eloisio B Lopes Neto

目的：虽然之前的研究已经开发了预测髋关节置换术后结果的经典模型，但尚未设计出基于机器学习的正式计算器来根据全国样本预测牛津髋关节评分。我们研究的目的是开发一系列机器学习模型和基于网络的计算器来预测全髋关节置换术后的牛津髋关节评分。
方法：我们利用国家卫生服务患者报告结果测量和医院事件统计 (NHS PROMS/HES) 数据库，评估 2010 年至 2015 年接受全髋关节置换术的 50 岁以上患者的术前和术后数据。牛津髋关节评分的评估使用机器学习和树回归模型的组合。
结果：共有 170,283 名患者参与了该研究。大多数患者为女性 (60.7%)，年龄在 70 至 79 岁之间，基线牛津髋关节评分低于 41。在所有机器学习模型中，牛津髋关节评分最重要的预测因素是术前 EQ-5D 指数和自我- 感知到的残疾、购物时的问题、循环系统疾病以及爬楼梯时的术前问题。表现最好的模型是梯度增强机、增强广义线性模型和多元自适应回归样条，其 R 平方值分别为 0.18、0.18 和 0.18。开发了基于网络的计算器（https://companionsite.sporedata.com/app/predicthip/）。
结论：开发了高度准确的模型来预测牛津髋关节评分，该模型可用于临床决策和医疗保健资源管理。