پیش بینی مدت بستری طولانی مدت در بیماران ایرانی کاندید تعویض مفصل زانو با استفاده از چارچوب یادگیری ماشینی

چکیده مقاله

بستری طولانی مدت پس از جراحی تعویض کامل مفصل زانو TKA یکی از چالش های مهم بالینی و مدیریتی در نظام سلامت به شمار می رود، زیرا می تواند منجر به افزایش هزینه های بیمارستانی، مصرف منابع درمانی و احتمال بروز عوارض پس از عمل شود شناسایی زودهنگام بیماران در معرض خطر بستری طولانی می تواند به بهینه سازی مدیریت پری اپراتیو، برنامه ریزی منابع و ارتقای کیفیت مراقبت کمک کند هدف این مطالعه، شناسایی عوامل مرتبط با بستری طولانی مدت پس از TKA و توسعه مدل های یادگیری ماشین برای پیش بینی این پیامد در جمعیت بیماران ایرانی بود در این مطالعه گذشته نگر، داده های مربوط به ۱۹۶ بیمار که تحت جراحی تعویض کامل مفصل زانو قرار گرفته بودند، مورد تحلیل قرار گرفت متغیرهای دموگرافیک، بالینی و حین عملی از پرونده های پزشکی استخراج و به عنوان ویژگی های پیش بین مورد استفاده قرار گرفتند پس از پیش پردازش داده ها و مدیریت مقادیر گمشده، چندین الگوریتم یادگیری ماشین شامل رگرسیون لجستیک، جنگل تصادفی Random Forest ، ماشین بردار پشتیبان SVM ، گرادیان افزایشی شدید XGBoost و نزدیک ترین همسایه KNN توسعه و ارزیابی شدند عملکرد مدل ها با استفاده از شاخص هایی نظیر دقت، یادآوری، امتیاز F۱، ویژگی Specificity ، ارزش پیش بینی منفی NPV ، Log Loss و تحلیل منحنی ROC مورد سنجش قرار گرفت نتایج تحلیل آماری نشان داد بیماران با بستری طولانی مدت به طور معناداری دارای سن و شاخص توده بدنی BMI بالاتری بودند همچنین ابتلا به فشار خون بالا، مدت زمان طولانی تر جراحی و میزان خون ریزی بیشتر حین عمل با افزایش طول مدت بستری ارتباط معنادار داشتند در میان مدل های بررسی شده، الگوریتم جنگل تصادفی بهترین عملکرد کلی را نشان داد و با کسب بیشترین دقت و ویژگی و کمترین مقدار Log Loss، توانست قدرت تفکیک بالایی در شناسایی بیماران پرخطر ارائه دهد AUC=۰ ۹۷ یافته های این پژوهش نشان می دهد که مدل های یادگیری ماشین، به ویژه جنگل تصادفی، می توانند با استفاده از داده های بالینی در دسترس، ابزار موثری برای پیش بینی بستری طولانی مدت پس از TKA فراهم آورند به کارگیری این ابزارها در محیط های بالینی می تواند در طبقه بندی ریسک پیش از عمل، مدیریت بهینه منابع بیمارستانی و بهبود برنامه ریزی مراقبت های پس از جراحی نقش موثری ایفا کند

کلیدواژه‌ها

نویسندگان

عرفان فرجی خالدی

گروه مهندسی پزشکی ، واحد علوم و تحقیقات ، دانشگاه آزاد اسلامی ، تهران ، ایران

امیرحسین ساوه

گروه مهندسی پزشکی ، واحد علوم و تحقیقات ، دانشگاه آزاد اسلامی ، تهران ، ایران

محمد نیکخو

گروه مهندسی پزشکی ، واحد علوم و تحقیقات ، دانشگاه آزاد اسلامی ، تهران ، ایران

فرجی خالدی، عرفان و ساوه، امیرحسین و نیکخو، محمد،1404،پیش بینی مدت بستری طولانی مدت در بیماران ایرانی کاندید تعویض مفصل زانو با استفاده از چارچوب یادگیری ماشینی،پنجمین همایش بین المللی تربیت بدنی، سلامت و علوم ورزشی،همدان

ارائه‌شده در

مجموعه مقالات پنجمین همایش بین المللی تربیت بدنی، سلامت و علوم ورزشی11 مرداد 1404 · همدان