目的:利用随机森林算法对腰椎后路椎间融合术后发生感染的相关危险因素进行分析并制定预测模型,为临床预防腰椎后路椎间融合术后手术部位感染(surgical site infection,SSI)的发生提供参考依据。方法:回顾性研究北京中卫云医疗数据分析...目的:利用随机森林算法对腰椎后路椎间融合术后发生感染的相关危险因素进行分析并制定预测模型,为临床预防腰椎后路椎间融合术后手术部位感染(surgical site infection,SSI)的发生提供参考依据。方法:回顾性研究北京中卫云医疗数据分析与应用技术研究院经过数据处理分析提供的2019年6月~2021年6月在河北医科大学第一医院、第二医院、第三医院等河北省及北京市共15家三级甲等医院脊柱外科住院接受腰椎后路椎间融合术治疗患者的脱敏数据资料。统计分析比较感染组(SSI)和非感染组(non-SSI)的分类数据,得到对术后感染具有显著影响的变量,使用SPSS Modeler 20数据建模系统作为工具,采用随机森林(RF)算法进行分析,得到术后感染的患者特征,即感染模型。结果:本研究共纳入8764例患者数据,其中373例患者被诊断为SSI,发病率为4.4%(95%CI,2.2%~6.5%)。经过Logistic回归模型分析多个自变量与因变量的相关性,确定六个变量[包括肥胖、美国麻醉师协会(American Society of Anesthesiologists,ASA)分级Ⅲ级及以上、手术时间延长、慢性心脏病、糖尿病和肾功能不全]与SSI独立相关。以随机森林模型进行分类可获得较高的精度,为90.6%,腰椎后路椎间融合术后易发生感染的患者特征,即两种感染模式:[(BMI=1)and(SD=1)and(ASA=1)and(RI=1)]or[(BMI=0)and(SD=1)and(DM=1)and(RI=1)]。结论:随机森林分类算法应用于本研究可获得90.6%的平均精度,并得到两种感染模型,(1)患者肥胖,肾功能不全,ASA分级Ⅲ级及以上,且手术时间≥3h;(2)患者无肥胖,但同时患糖尿病、肾功能不全,且手术时间≥3h。展开更多
文摘目的:比较机器人辅助下皮质骨轨迹螺钉(cortical bone trajectory screw,CBTS)固定和传统椎弓根螺钉(traditional pedicle screw,TPS)固定后路腰椎椎间融合术(posterior lumbar interbody fusion,PLIF)治疗合并骨质疏松腰椎管狭窄症患者的早期疗效和安全性。方法:回顾性分析2018年9月~2021年6月在我院接受机器人辅助下后路腰椎椎间融合内固定术治疗的113例患者临床资料,根据内固定方式分为两组:55例采用CBTS固定的患者纳入CBTS组,58例采用TPS固定的患者纳入TPS组,统计并比较两组患者的一般资料[年龄、性别比、身高、体重、体重指数(body mass index,BMI)、髋关节骨密度]、手术相关资料(手术时间、手术切口长度、术中出血量)、围术期指标(术后住院时间、手术并发症、螺钉松动率、邻近椎小关节侵犯率、术前及术后血糖)以及术前和术后随访时的疼痛视觉模拟评分(visual analogue scale,VAS)、Oswestry功能障碍指数(Oswestry disability index,ODI)。结果:两组患者的年龄、性别比、身高、体重、BMI和髋关节骨密度均无统计学异(P>0.05)。两组手术时间、术后住院时间、手术并发症、术前VAS评分和ODI、术后1个月和6个月时的ODI均无统计学差异(P>0.05);CBTS组术中出血量、手术切口长度和术后6个月时的VAS评分均显著小于TPS组(500mL vs 600mL,P=0.007;8cm vs 10cm,P=0.006;2分vs 3分,P<0.001)。两组间术前血糖及术后1d血糖无统计学差异(P>0.05),术后1周CBTS组显著低于TPS组(4.75mmol/L vs 5.57mmol/L,P=0.041)。末次随访时CBTS组螺钉松动率和邻近椎小关节侵犯率均显著低于TPS组(1.68%vs 4.52%,P=0.044和13.83%vs 26.53%,P=0.029)。结论:对于合并骨质疏松的腰椎管狭窄症患者,机器人辅助下CBTS固定PLIF比TPS固定PLIF的创伤更小,术后早期康复更快,螺钉相关并发症更少。
文摘目的:利用随机森林算法对腰椎后路椎间融合术后发生感染的相关危险因素进行分析并制定预测模型,为临床预防腰椎后路椎间融合术后手术部位感染(surgical site infection,SSI)的发生提供参考依据。方法:回顾性研究北京中卫云医疗数据分析与应用技术研究院经过数据处理分析提供的2019年6月~2021年6月在河北医科大学第一医院、第二医院、第三医院等河北省及北京市共15家三级甲等医院脊柱外科住院接受腰椎后路椎间融合术治疗患者的脱敏数据资料。统计分析比较感染组(SSI)和非感染组(non-SSI)的分类数据,得到对术后感染具有显著影响的变量,使用SPSS Modeler 20数据建模系统作为工具,采用随机森林(RF)算法进行分析,得到术后感染的患者特征,即感染模型。结果:本研究共纳入8764例患者数据,其中373例患者被诊断为SSI,发病率为4.4%(95%CI,2.2%~6.5%)。经过Logistic回归模型分析多个自变量与因变量的相关性,确定六个变量[包括肥胖、美国麻醉师协会(American Society of Anesthesiologists,ASA)分级Ⅲ级及以上、手术时间延长、慢性心脏病、糖尿病和肾功能不全]与SSI独立相关。以随机森林模型进行分类可获得较高的精度,为90.6%,腰椎后路椎间融合术后易发生感染的患者特征,即两种感染模式:[(BMI=1)and(SD=1)and(ASA=1)and(RI=1)]or[(BMI=0)and(SD=1)and(DM=1)and(RI=1)]。结论:随机森林分类算法应用于本研究可获得90.6%的平均精度,并得到两种感染模型,(1)患者肥胖,肾功能不全,ASA分级Ⅲ级及以上,且手术时间≥3h;(2)患者无肥胖,但同时患糖尿病、肾功能不全,且手术时间≥3h。
