检索历史 清除

摘要膝关节骨性关节炎(Knee osteoarthritis,KOA)是一种高发病率、高致残率的慢性骨关节病，缺乏有效的社区筛查和疼痛精准评估手段，给KOA防治带来了挑战。因此，本课题拟通过可穿戴设备和机器学习，探索适合社区的KOA智能化诊断方法;并基于大样本数据，探讨不同病程阶段疼痛危险因素的差异，以及不同疼痛模式与躯体功能的相关性，为临床KOA疼痛精准评估提供新的依据。<br>　　研究目的:<br>　　验证可穿戴足底压力鞋联合机器学习进行放射学KOA(Radiologic knee osteoarthritis,ROA)诊断的可行性和有效性;明确KOA患者疼痛危险因素在不同放射学阶段的差异;以及比较KOA不同疼痛模式与躯体功能的相关性。<br>　　研究方法:<br>　　1.采用横断面设计，从珠江骨关节炎研究队列中招募受试者，运用可穿戴足底压力鞋进行连续步态数据采集、影像学诊断和临床评估，经过数据处理、特征提取、机器学习建模等步骤对ROA进行智能诊断，计算模型准确率和F1评分。<br>　　2.采用横断面设计，从骨关节炎创始研究队列中筛选受试者，评估基线的放射学阶段和疼痛严重程度，以及8类潜在的疼痛危险因素;采用逻辑回归和Lasso回归进行危险因素筛查，并在放射学阶段亚组中计算各危险因素的标准化回归系数;最后可视化各放射学阶段危险因素影响，并进行敏感性分析。<br>　　3.采用纵向设计，从骨关节炎创始研究队列中筛选受试者，在基线时评估受试者的5种疼痛模式（疼痛严重程度、负重痛、非负重痛、间歇痛和持续痛）、主客观躯体功能和混杂因素;在两年后再评估受试者的5种疼痛模式和主客观躯体功能;采用线性回归分析5种疼痛模式与躯体功能的横断面和纵向相关性,计算各疼痛模式标准化回归系数并可视化。<br>　　研究结果:<br>　　1.共招募92名受试者（ROA者49例，非ROA者43例）,年龄、f_L8PPP_std、f_Rpeak2_std和f_RYcopstd_std是被筛选纳入的最有效特征;最终模型在测试集中准确率和F1评分最佳，分别为82.61％和0.8000。<br>　　2.共纳入4446名受试者，KOA早期膝关节损伤史、糖尿病、抑郁症、膝外翻、使用非甾体类抗炎药和放射学等级与疼痛正相关，年龄和股四头肌肌力与疼痛呈负相关;随着疾病阶段进展，危险因素数量减少，晚期仅有股四头肌肌力、年龄仍然和疼痛存在相关。<br>　　3.共纳入736名受试者，在各回归模型中负重痛模式与躯体功能均存在最强相关性;疼痛与主观躯体功能的相关性强于客观躯体功能。<br>　　研究结论:<br>　　1.可穿戴足底压力鞋联合机器学习可作为ROA的诊断方法之一。<br>　　2.不同放射学阶段KOA患者之间疼痛危险因素存在稳定差异。<br>　　3.在各疼痛模式中，负重痛模式与躯体功能存在最强相关性。