WikiEdge:ArXiv-2409.06585v1/abs
跳至導覽
跳至搜尋
- 標題：Developing the Temporal Graph Convolutional Neural Network Model to Predict Hip Replacement using Electronic Health Records
- 中文標題：髖關節置換預測的時間圖卷積神經網絡模型開發與電子健康記錄的應用
- 發佈日期：2024-09-10T15:26:58+00:00
- 作者：Zoe Hancox, Sarah R. Kingsbury, Andrew Clegg, Philip G. Conaghan, Samuel D. Relton
- 分類：cs.LG, cs.AI
- 原文連結：http://arxiv.org/abs/2409.06585v1
摘要：背景：髖關節置換手術通過緩解疼痛和恢復活動能力來改善患者的生活。提前預測髖關節置換可以通過及時干預、優先考慮手術或康復的個體，以及利用物理治療來潛在地延遲關節置換的需求，從而減少疼痛。本研究旨在提前一年預測髖關節置換，以提高生活質量和健康服務效率。方法：我們根據之前的工作，採用時間圖卷積神經網絡（TG-CNN）模型，從40-75歲患者的ResearchOne電子健康記錄中提取初級醫療事件代碼，構建時間圖以預測髖關節置換風險。我們通過年齡、性別和多重貧困指數將髖關節置換病例與對照匹配。該模型在9,187個病例和9,187個對照上進行訓練，能夠提前一年預測髖關節置換。我們在兩個未見數據集上驗證該模型，並對類別不平衡進行重新校準。此外，我們進行了消融研究，並與四個基線模型進行了比較。結果：我們的最佳模型能夠提前一年預測髖關節置換風險，AUROC為0.724（95% CI：0.715-0.733），AUPRC為0.185（95% CI：0.160-0.209），在重新校準後實現了1.107的校準斜率（95% CI：1.074-1.139）。結論：TG-CNN模型通過識別患者軌跡中的模式，有效地預測了髖關節置換風險，可能改善對髖關節相關疾病的理解和管理。