במחקר שפורסם בכתב העת The Bone & Joint Journal עשו החוקרים שימוש במודל של רשת עצבית מלאכותית (ANN) על נתונים של מטופלים שעברו ניתוח להחלפת מפרק מלא בברך (TKA), כדי לזהות את המשתנים החשובים ביותר לפני וסביב הניתוח שמאפשרים לנבא שחרור מאשפוז ביום הניתוח.
עוד בעניין דומה
הנתונים למחקר זה נאספו ממאגר the National Surgery Quality Improvement Program (NSQIP) משנת 2018. במחקר נכללו מטופלים שעברו TKA ראשוני, אלקטיבי, חד צדדי עם אבחנה של אוסטאוארתריטיס ראשונית.
החוקרים העריכו משתנים דמוגרפיים וכן משתנים טרום ניתוחיים ותוך-ניתוחיים. הביצועים של מודל הרשת העצבית המלאכותית הושוו לאלה של מודל של רגרסיה לוגיסטית, שמשמש כאלגוריתם קונבנציונלי ללמידת מכונה. משתנים שנאספו מ-28,742 מטופלים נותחו על סמך תרומתם למשך השהות בבית החולים.
יכולת הניבוי של מודל הרשת העצבית המלאכותית היה דומה לזה של מודל הרגרסיה הלוגיסטית (שטח מתחת לעקומה [AUC] = 0.801 ו-0.796, בהתאמה) והביא לזיהוי של משתנים מסוימים כגורמים חשובים לחיזוי שחרור מאשפוז ביום הניתוח.
עשרת הגורמים החשובים ביותר שנמצאו בעזרת מודל ה-ANN היו: רמת הנתרן טרם הניתוח, ערך ה-INR טרם הניתוח, BMI, גיל, סוג הרדמה, זמן הפעולה, סטטוס קוצר נשימה, המצב התפקודי, גזע, סטטוס אנמיה וכן מחלת ריאות חסימתית כרונית ( COPD). במסגרת ניתוח רגרסיה לוגיסטית, שישה מהמשתנים הללו נמצאו גם כמובהקים סטטיסטית.
לסיכום, מודלים של ANN ושל רגרסיה לוגיסטית חשפו גורמים בעלי חשיבות קלינית לזיהוי חולים שיוכלו להשתחרר מאשפוז באופן בטוח לאחר TKA עוד ביום הניתוח. מודל של רשת עצבית מלאכותית מספק כלי יעיל המסייע לקבוע אילו גורמים יכולים לנבא שחרור מאשפוז ביום הניתוח, בהתאם לפרוטוקולי ההתאוששות משנת 2018.
מקור:
תגובות אחרונות