面向参加受 supervision 锻炼与教育项目的骨关节炎患者的骨痛变化个性化预测模型
机器学习
2024-10-17 v1
摘要
骨关节炎（OA）是一种广泛存在的慢性疾病，影响行动能力并降低生活质量。尽管锻炼疗法和患者教育在管理OA症状、疼痛和功能限制方面已被证明有益，但这些策略常被低估。个性化结果预测模型可帮助激励和参与患者，但现有模型在预测骨关节炎疼痛变化方面的准确性仍需更充分地考察。本研究旨在验证现有模型并引入一种简洁的个性化模型，用于预测参加受 supervision 锻炼与教育项目（GLA:D）前后骨关节炎患者的骨痛变化。我们的模型使用自我报告的患者信息和功能测量值。为减少变量数量，我们评估了变量重要性并应用了临床推理。我们训练了随机森林回归模型，并比较了我们模型与采用平均值模型的真实预测率。我们评估了完整模型、连续模型和包含最少预测变量的六个变量的简洁模型。三个模型的表现相似，与现有模型相当，R平方为0.31-0.32，RMSE为18.65-18.85——尽管样本量增加。允许与真实疼痛变化相差15个VAS分数，我们的简洁模型和采用平均值估计的疼痛变化分别正确预测了58%和51%。我们的补充分析得出了类似结果。我们的简洁个性化预测模型比平均疼痛改善值更准确地预测GLA:D项目后骨关节炎疼痛的变化。样本量的增加或包含额外变量并未改善以前的模型。为提高预测 accuracy，需要在GLA:D之外引入新的变量。
引用
@article{arxiv.2410.12597,
title = {Personalized Prediction Models for Changes in Knee Pain among Patients with Osteoarthritis Participating in Supervised Exercise and Education},
author = {M. Rafiei and S. Das and M. Bakhtiari and E. M. Roos and S. T. Skou and D. T. Grønne and J. Baumbach and L. Baumbach},
journal= {arXiv preprint arXiv:2410.12597},
year = {2024}
}