WikiEdge:ArXiv-2409.06585v1/conclusion

編輯

根據提供的文獻內容，這篇論文的主要結論可以概括如下：

1. TG-CNN模型的有效性：研究表明，通過使用時間圖卷積神經網絡（TG-CNN）模型，能夠有效預測一年內進行髖關節置換手術的風險。該模型通過分析患者軌跡中的模式，提高了對髖關節疾病理解和管理的潛力。
2. 模型預測性能：在9,187個病例和9,187個對照組上訓練的模型，預測髖關節置換風險的AUROC（Area Under the Receiver Operating Characteristic Curve）為0.724，AUPRC（Area Under the Precision-Recall Curve）為0.185，經過重新校準後，校準斜率為1.107。
3. 模型的臨床應用：TG-CNN模型有助於臨床決策，通過識別未來需要髖關節置換手術風險較高的個體，可以針對性地進行強化非手術治療或積極監測，從而可能減少患者疼痛時間，提高生活質量，並改善醫療效率和資源分配。
4. 模型的改進和未來工作：未來的研究將探索基於該模型的臨床結果和潛在干預措施，以及如何將模型重新配置，以預測五年內需要髖關節置換的風險，為臨床醫生提供更多時間來應用干預和規劃。