换一批基于不同机器学习算法预测初次全膝关节置换术后慢性疼痛的效能比较
Comparison of the efficacy of different machine learning algorithms in predicting chronic pain after prima-ry total knee arthroplasty
摘要目的 探究不同机器学习算法预测初次全膝关节置换术(TKA)术后慢性疼痛的预测效能.方法 回顾性收集2020 年 1 月-2023 年 6 月梅州市人民医院收治的 404 例初次TKA患者的病历资料,根据TKA术后是否发生慢性疼痛分为发生组(n=102)和未发生组(n=302).采用单因素、多因素Logistic回归分析TKA术后慢性疼痛的影响因素,基于诺莫图、随机森林及决策树构建初次TKA术后慢性疼痛的预测模型,采用受试者工作特征曲线(ROC)验证其预测效能.结果 两组患者合并糖尿病、遵循康复锻炼计划、术前疼痛视觉模拟(VAS)评分、术前股四头肌回声强度、术前股四头肌厚度、疼痛灾难化量表(PCS)评分、医院焦虑抑郁量表(HADS)评分、疼痛信念与感知量表(PBPI)评分比较,差异均有统计学意义(P<0.05);多因素Logistic回归分析显示,合并糖尿病、术前VAS评分、PCS评分、HADS评分、PBPI评分是初次TKA术后发生慢性疼痛的危险因素,遵循康复锻炼计划、术前股四头肌厚度是其保护因素(P<0.05);根据Logistic回归获得影响因素构建的诺莫图、随机森林及决策树构建初次TKA术后慢性疼痛的AUC分别为 0.903、0.948、0.861,随机森林模型的AUC>诺莫图预测模型>决策树模型,差异均有统计学意义(Z1=5.106,Z2=4.562,均P<0.001).结论 初次TKA术后发生慢性疼痛的影响因素较多,根据其因素构建不同机器学习算法模型,其中随机森林模型在评估初次TKA术后发生慢性疼痛中具有良好预测效能.
更多相关知识
关键词
机器学习算法全膝关节置换术慢性疼痛诺莫图随机森林决策树machine learning algorithmstotal knee replacement surgerychronic painnomoturandom forestdecision tree
栏目名称
DOI
10.16571/j.cnki.2097-2768.2025.09.011
发布时间
2025-11-04（万方平台首次上网日期，不代表论文的发表时间）
基金项目
梅州市科技计划项目（2023C0301174）
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
