Širok spektar aplikacija za modele predviđanja mašinskog učenja u ortopedskom hirurškom ishodu: sistematski pregled.
Acta orthopaedica
Sažetak istraživanja
Pozadina i svrha - Napredak u softveru i hardveru omogućio je uspon modela kliničkog predviđanja zasnovanog na mašinskom učenju (ML) u ortopedskoj hirurgiji. S obzirom na njihovu rastuću popularnost i njihovu vjerovatnu primjenu u kliničkoj praksi, procijenili smo na koje rezultate su se ovi novi modeli fokusirali i koje metodologije se koriste. Materijal i metode - Izvršili smo sistematsko pretraživanje u PubMed, Embase i Cochrane biblioteci za studije objavljene do 18. juna 2020. Studije koje su izvještavale o modelu koji nije eksluzivno ili nepredviđeno bez ML-a bili su izvanredni. Nakon skrininga 7.138 studija, uključeno je 59 studija koje su izvještavale o 77 modela predviđanja. Izvukli smo podatke u vezi sa ishodom, dizajnom studije i prijavljenim metrikama učinka.
Rezultati - Od 77 identifikovanih modela predviđanja ML, domen ishoda koji je najčešće prijavljivan bio je medicinski menadžment (17/77). Hirurgija kičme bila je najčešće uključena ortopedska subspecijalnost (28/77). Najčešće korišteni algoritam su neuronske mreže (42/77). Srednja veličina skupova podataka bila je 5.507 (IQR 635-26.364). Srednja površina ispod krive (AUC) bila je 0,80 (IQR 0,73-0,86). Kalibracija je prijavljena za 26 modela, a 14 je pružilo analizu krive odluke.
Tumačenje - modeli predviđanja ML su razvijeni za širok spektar tema u ortopediji. Teme vezane za medicinski menadžment bile su najčešće proučavane. Heterogenost između studija zasniva se na veličini studije, algoritmu i vremenskoj tački ishoda. Kalibracija i analiza krive odlučivanja općenito su slabo izvještavani.
Prikaži originalni naslov i sažetak na engleskom
Wide range of applications for machine-learning prediction models in orthopedic surgical outcome: a systematic review.
Background and purpose - Advancements in software and hardware have enabled the rise of clinical prediction models based on machine learning (ML) in orthopedic surgery. Given their growing popularity and their likely implementation in clinical practice we evaluated which outcomes these new models have focused on and what methodologies are being employed.Material and methods - We performed a systematic search in PubMed, Embase, and Cochrane Library for studies published up to June 18, 2020. Studies reporting on non-ML prediction models or non-orthopedic outcomes were excluded. After screening 7,138 studies, 59 studies reporting on 77 prediction models were included. We extracted data regarding outcome, study design, and reported performance metrics.Results - Of the 77 identified ML prediction models the most commonly reported outcome domain was medical management (17/77). Spinal surgery was the most commonly involved orthopedic subspecialty (28/77). The most frequently employed algorithm was neural networks (42/77). Median size of datasets was 5,507 (IQR 635-26,364). The median area under the curve (AUC) was 0.80 (IQR 0.73-0.86). Calibration was reported for 26 of the models and 14 provided decision-curve analysis.Interpretation - ML prediction models have been developed for a wide variety of topics in orthopedics. Topics regarding medical management were the most commonly studied. Heterogeneity between studies is based on study size, algorithm, and time-point of outcome. Calibration and decision-curve analysis were generally poorly reported.
Izvorni podaci
- DOI
- 10.1080/17453674.2021.1932928
- PMID
- 34109892
- PMCID
- PMC8519550
- Provjereno
- 2026-07-26
Naslov i sažetak prevedeni su automatski i prijevod može sadržavati netačnosti ili neprecizne stručne izraze. Za sve detalje, citiranje i medicinsko tumačenje pregledajte originalnu englesku verziju članka. Ne donosite zdravstvene odluke samo na osnovu ovog prijevoda.
Pregledaj originalni članak na engleskom