摘要
目的 腰椎间盘突出术后复发是一种临床上常见的问题,提早评估患者是否有复发的风险有助于术前优化手术方案,降低腰椎间盘突出患者术后复发的概率.方法 本文提出基于机器学习的腰椎间盘突出患者经脊柱内镜手术后是否复发预测模型,对收集的腰椎间盘突出手术的患者现实数据使用逻辑回归、支持向量机、Adaboost和XGboost 4 种机器学习方法,求得接收器操作特性曲线下面积(Area Under the Curve,AUC)、准确度、F1-score等评价指标评估模型的预测性能;此外,使用Shap、XGboost模型得到影响腰椎间盘突出患者经脊柱内镜手术后复发重要特征因素.结果 基于逻辑回归的准确率和F1-score分别为 0.875 和 0.918,高于Adaboost、SVM和XGboost模型.通过XGboost模型分析得出BMI、腰部疼痛时长、年龄、椎间盘高度是影响腰椎间盘突出患者经脊柱内镜手术术后复发的危险因素;利用Shap来解释XGboost模型,分析得出腰部疼痛时长、术后活动量、椎间盘高度、年龄是影响复发的危险因素.结论 逻辑回归在测试集上的结果优于其他3 种模型.机器学习模型能够帮助外科医生在进行手术之前再次评估患者情况,以降低LDH患者手术后复发的风险.
维普
万方数据