基于术前变量开发机器学习模型预测前交叉韧带重建术后1年结果：一项探索性研究

《Scientific Reports》：Predicting 1-year outcomes after anterior cruciate ligament reconstruction from preoperative physical performance using machine learning: an exploratory study

　　本研究旨在利用术前变量开发机器学习（ML）模型，以预测初次前交叉韧带重建（ACLR）术后1年的结果。研究分析了2016年至2023年间接受ACLR的75例患者的回顾性队列。术前特征包括人口统计学特征、治疗相关变量、等速肌力表现和患者报告结局测量指标。术后1年的结果定义为恢复旋转运动（RTS；Tegner活动水平≥6）和达到患者可接受的症状状态（PASS；国际膝关节文献委员会评分≥75.9）。单变量逻辑回归中识别出的变量被用于ML模型开发。使用3折交叉验证对多种算法进行训练和评估。模型性能通过受试者工作特征曲线下面积（AUC）、校准图和Brier评分进行评估。在各模型中，随机森林算法表现最佳，对RTS的AUC为0.832，对PASS的AUC为0.815。SHapley Additive exPlanations分析显示，年龄较小和未受累肢体术前屈肌力量较大是最重要的预测因素。在这项探索性研究中，结合术前临床和身体表现变量的ML模型显示出预测ACLR术后1年结果的潜力。然而，鉴于样本量较小且缺乏外部验证，这些发现应谨慎解读。因此，这些模型应被视为探索性和假设生成性的，而非已可用于临床实施，并需要在更大规模的独立队列中进行进一步验证。关键词：前交叉韧带重建，机器学习，RTS，患者可接受的症状状态。