首页 > 实用骨科杂志 > 无监督机器学习在前交叉韧带断裂患者临床特征分析中的应用

无监督机器学习在前交叉韧带断裂患者临床特征分析中的应用

Application of Unsupervised Machine Learning in Analyzing Clinical Features of Patients with Anterior Cruciate Ligament Tears

二维码有效期 120s

摘要目的在统计描述的基础上基于无监督机器学习分析前交叉韧带(anterior cruciate ligament,ACL)断裂患者的一般临床特征、术中指标及检验检查指标.方法回顾性分析2020年3月至2024年6月天津大学天津医院接受ACL重建治疗的224例患者资料,其中男161例,女63例;年龄14～60岁,平均(30.74±10.39)岁.每位患者收集126项数据指标,对数据集进行归纳总结,在统计描述的基础上采用无监督机器学习对数据进行降维、聚类分析,最后对得到的数据进行组间比较.结果采用无监督机器学习将纳入患者分为四组,四组间的性别、患肢侧别、合并外侧半月板后根损伤、合并外侧半月板体部损伤、合并外侧半月板后角损伤、年龄、住院时间、韧带直径、血红蛋白、左心室舒张末期内径、左心室收缩末期内径比较差异均有统计学意义(P＜0.05).第1组患者韧带直径最细,男性和右膝受伤比例最低,外侧半月板后根损伤和后角损伤比例最低;第2组患者年龄最大,住院时间最长,右膝比例最高,同时外侧半月板后根损伤比例最高;第3组患者年龄最小,韧带直径最粗,男性比例最高,同时外侧半月板体部损伤比例和后角损伤比例均为最高;第4组患者住院时间最短,外侧半月板体部损伤比例最低.结论将无监督机器学习应用于ACL断裂患者的临床特征分析,通过识别患者的异质性特征和潜在亚群,揭示ACL断裂临床特征及合并损伤的发生规律,为临床医生制定个性化治疗计划提供参考依据.

作者赵军伟 ^[1] 陈德生 ^[2] 郭新静 ^[3] 雷蕾 ^[4] 朱佳旺 ^[2] 纪刚 ^[5] 学术成果认领

作者单位天津大学天津医院运动损伤与关节镜一科,天津 300210 ^[1] 天津大学天津医院运动损伤与关节镜一科,天津 300210;天津市运动医学质控中心,天津 300210 ^[2] 天津中医药大学中西医结合学院,天津 301617 ^[3] 天津大学临床医学院,天津 300072 ^[4] 河北医科大学第一医院骨科,河北石家庄 050051 ^[5]

关键词无监督机器学习前交叉韧带断裂临床特征 unsupervised machine learning anterior cruciate ligament tears clinical characteristics

分类号 R873（运动医学）

栏目名称

临床论著

发布时间 2025-07-17（万方平台首次上网日期，不代表论文的发表时间）

基金项目

天津市自然科学基金（21JCZXJC00030）天津市自然科学基金（23JCQNJC01530）河北省自然科学基金（H2021206505）