无监督机器学习在前交叉韧带断裂患者临床特征分析中的应用
赵军伟1
陈德生2
郭新静3
雷蕾4
朱佳旺2
纪刚5
1.天津大学天津医院运动损伤与关节镜一科,天津 3002102.天津大学天津医院运动损伤与关节镜一科,天津 300210;天津市运动医学质控中心,天津 3002103.天津中医药大学中西医结合学院,天津 3016174.天津大学临床医学院,天津 3000725.河北医科大学第一医院骨科,河北石家庄 050051
摘要：目的 在统计描述的基础上基于无监督机器学习分析前交叉韧带(anterior cruciate ligament,ACL)断裂患者的一般临床特征、术中指标及检验检查指标.方法 回顾性分析2020年3月至2024年6月天津大学天津医院接受ACL重建治疗的224例患者资料,其中男161例,女63例;年龄14～60岁,平均(30.74±10.39)岁.每位患者收集126项数据指标,对数据集进行归纳总结,在统计描述的基础上采用无监督机器学习对数据进行降维、聚类分析,最后对得到的数据进行组间比较.结果 采用无监督机器学习将纳入患者分为四组,四组间的性别、患肢侧别、合并外侧半月板后根损伤、合并外侧半月板体部损伤、合并外侧半月板后角损伤、年龄、住院时间、韧带直径、血红蛋白、左心室舒张末期内径、左心室收缩末期内径比较差异均有统计学意义(P＜0.05).第1组患者韧带直径最细,男性和右膝受伤比例最低,外侧半月板后根损伤和后角损伤比例最低;第2组患者年龄最大,住院时间最长,右膝比例最高,同时外侧半月板后根损伤比例最高;第3组患者年龄最小,韧带直径最粗,男性比例最高,同时外侧半月板体部损伤比例和后角损伤比例均为最高;第4组患者住院时间最短,外侧半月板体部损伤比例最低.结论 将无监督机器学习应用于ACL断裂患者的临床特征分析,通过识别患者的异质性特征和潜在亚群,揭示ACL断裂临床特征及合并损伤的发生规律,为临床医生制定个性化治疗计划提供参考依据.
关键词：无监督机器学习前交叉韧带断裂临床特征
分类号：R873(运动医学)
资助基金：天津市自然科学基金(21JCZXJC00030)天津市自然科学基金(23JCQNJC01530)河北省自然科学基金(H2021206505)
论文发表日期：2025-06-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 500-504 )
英文信息