踝关节骨折开放复位内固定术后短期并发症的预测

《JAAOS - Journal of the American Academy of Orthopaedic Surgeons》：Prediction of Short-Term Postoperative Complications Following Open Reduction Internal Fixation of Ankle Fractures

术后并发症预测：本研究基于2011-2020年ACS-NSQIP数据库，构建机器学习模型预测踝关节骨折内固定术后并发症，发现其较传统指标（ASA、Charlson指数等）在预测任何不良反应、输血、延长住院及深静脉血栓等指标上更具优势，特别是出院回家预测准确率达91.4%。

　　

摘要

背景：

减少术后并发症对于改善患者预后至关重要。本研究的目的是开发能够预测踝关节骨折开放复位内固定术后并发症的机器学习（ML）模型，并将其与传统评估指标进行比较。

方法：

从2011年到2020年，从ACS-NSQIP数据库中检索了踝关节骨折病例。通过随机分配数据集的80%和20%分别创建训练集和验证集。纳入了年龄、体重指数（BMI）、手术时间、吸烟状况、合并症以及术前血细胞比容和白蛋白等指标。并发症包括任何不良事件、输血、住院时间延长（>3天）、手术部位感染、深静脉血栓形成/肺栓塞以及出院回家。将ML算法与传统评估指标（如美国麻醉医师协会分类、Charlson合并症指数和改良虚弱指数）进行了比较。通过计算接收者操作特征曲线下面积来评估模型效能。

结果：

共识别出42,254例病例。平均年龄、BMI和住院时间为44.5 ± 18.5岁、30.6 ± 7.7 kg/m²和1.6 ± 4.4天。血细胞比容、BMI、年龄和手术时间在预后预测中的重要性最高。逻辑回归ML算法在预测任何不良事件（73% vs. 69%）、输血（93% vs. 82%）、住院时间延长（82% vs. 75%）、深静脉血栓形成/肺栓塞（55% vs. 53%）、手术部位感染（62% vs. 58%）以及出院回家（89% vs. 79%）方面表现优于美国麻醉医师协会分类。逻辑回归ML在出院回家的阳性预测值（91.4%）和输血的阴性预测值（99.4%）方面最高。

结论：

ML算法能够计算踝关节骨折开放复位内固定术后患者特定的并发症风险。与传统评估指标相比，这些模型在预测不良事件方面更具实用性。随着持续验证，ML可以对手术患者进行分层、确定手术部位，并在术后合理分配资源。

证据水平：

IV级，队列研究。