Prædiktiv model for 1-års smerte- og funktionsresultater efter tommelfingerledskirurgi hos slidgigtpatienter

Denne undersøgelse har til formål at udvikle og validere prædiktive modeller til vurdering af smerte- og håndfunktionsudfald et år efter trapeziometacarpalled (TMJ) artroplastik ved hjælp af Touch®-protesen. Undersøgelsen udnytter et enkelt-center prospektivt register fra et specialiseret ortopædisk hospital i Zürich, Schweiz.

Analytiske metoder:

Vi vil bruge følgende modelleringstilgang til at bestemme den bedste prædiktive værdi for det 1-årige resultat af smerte. Den valgte model er:

- Extreme Gradient Boosting (XGBoost): En ikke-parametrisk, ensemblebaseret tilgang, der kombinerer beslutningstræer gennem boosting for at fange komplekse funktionsinteraktioner og modellere ikke-linearitet effektivt. XGBoost inkluderer også L1- og L2-regularisering, hvilket gør det muligt at håndtere overfitting, samtidig med at den giver en stærk forudsigelig ydeevne. XGBoost er kendt for sin overlegne ydeevne i at fange indviklede relationer, levere robuste forudsigelser på tværs af forskellige datakontekster, samt opnå førstepræmien i mange AI-datatoner.

Manglende data:

Vi forventer manglende data for patientrapporterede, kliniske, radiologiske og supplerende variabler. For at løse dette, vil vi

1. Vurder omfanget og mønstrene af manglende for hver variabel ved hjælp af beskrivende statistik og grafiske metoder.
2. Undersøg årsager til manglende værdier og potentielle forskelle mellem personer med og uden ufuldstændige data.
3. Håndter manglende data ved hjælp af XGBoosts indbyggede evne til at administrere manglende værdier direkte ved at lære optimale opdelinger for manglende data, og derved eliminere behovet for eksterne imputationstilgange til denne model.

Modeludvikling:

Extreme Gradient Boosting (XGBoost):

• Dataene vil blive opdelt i et træningssæt (70 %) og test (30 %). XGBoost-modellen vil blive trænet ved hjælp af hyperparametertuning gennem gittersøgning kombineret med gentagen 5-fold krydsvalidering (gentaget 5 gange) på træningssættet. Denne gentagne krydsvalidering tjener som intern validering for at sikre robust og upartisk estimering af modellens ydeevne under træning. Gitterpladssøgningen vil udforske et rimeligt område af værdier for nøglehyperparametre, såsom:

  • Antal boosterrunder (nrunder): (f.eks. 50, 100, 200)
  • Indlæringshastighed (eta): (f.eks. 0,05, 0,1, 0,3)
  • Maksimal dybde af træer (max_depth): (f.eks. 2, 4, 6)
  • Minimumsum af forekomster i hver node (min_child_weight): (f.eks. 1, 2, 4)
• Gitterrummet vil blive holdt moderat i størrelse for at balancere omfattende og beregningsmæssig gennemførlighed, hvilket sikrer en grundig udforskning af vigtige hyperparametre, samtidig med at man undgår en alt for udtømmende søgning.
• I udviklingen af ​​vores model vil vi tilstræbe at forbedre ydeevnen og reducere overfitting ved at anvende funktionsvalg til at adressere collinearitet. Vi vil også undersøge et minimalt funktionssæt ved hjælp af funktionsvigtighedsscore fra en indledende XGBoost-model samt ekspertviden for at prioritere klinisk relevante prædiktorer. Til sidst vil vi udforske feature engineering (f.eks. polynomielle transformationer) for at forbedre vores models forudsigelsesevne.

Modelvurdering:

• Udholdt testsæt: Efter intern validering og justering af hyperparameter vil den endelige model blive evalueret på det 30 % udholdte testsæt for at vurdere dens ydeevne på usete data, hvilket giver et upartisk estimat af generaliserbarhed.

• Ydelsesmålinger:

  • R² (bestemmelseskoefficient): For at evaluere variansandelen forklaret af modellen.
  • Mean Absolute Error (MAE): At kvantificere den gennemsnitlige størrelse af forudsigelsesfejl og vurdere modelnøjagtigheden for kontinuerlige resultater, hvilket tilbyder en klinikervenlig fortolkning af fejl.
  • Kalibrerings- og valideringsplot: For at vurdere overensstemmelsen mellem observerede og forudsagte resultater ved at evaluere, hvor godt de forudsagte værdier stemmer overens med de sande værdier i undersøgelsespopulationen.
• Læringskurve: Læringskurver vil blive brugt til at evaluere modellens ydeevne på tværs af forskellige træningssætstørrelser. Ved at plotte trænings- og valideringsfejl mod antallet af træningsstikprøvestørrelser (undersæt af hele datasættet), kan vi vurdere modeltilpasningen, observere indlæringsadfærden og afgøre, om vores modelpræstation ville drage fordel af yderligere træningsdata.
• Forudsigelsesusikkerhed: Vi vil bruge bootstrap-aggregering (bagging), efter metoder fra Hastie et al., til at opnå forudsigelsesintervaller, som kvantificerer usikkerhed i individuelle XGBoost-forudsigelser ved at analysere variansen i forudsigelsesfejl på tværs af bootstrap-prøver. I modsætning til konfidensintervaller tegner disse intervaller sig for både modelfejlspecifikation og udfaldsusikkerhed.

Model output:

Vi vil bruge den endelige model til at udvikle en webbaseret resultatberegner for smerter og funktion 1 år efter operationen. Dette værktøj er primært beregnet til brug af klinikerne med det formål at lette fælles beslutningstagning med patienterne. Ved at give klare visualiseringer og letforståelige klassifikationer vil lommeregneren hjælpe klinikere med at forklare potentielle resultater for patienter og understøtte patientengagement i deres behandlingsplanlægning. Modeloutputtet vil inkludere enten den forudsagte smertescore på en 0-10 Numeric Rating Scale (NRS) eller bMHQ-håndfunktionsscore, som spænder fra 0-100.

Baseret på resultatet vil de nøjagtige forudsagte værdier blive visuelt fremhævet følgende:

• Grøn: NRS 0-3, bMHQ 67-100 (indikerende for positive resultater)
• Orange: NRS 4-7, bMHQ 34-66 (indikerende for moderate resultater)
• Rød: NRS 8-10, bMHQ 0-33 (indikerende for dårlige resultater) Denne klassifikation har til formål at give en hurtig, visuel repræsentation af de forudsagte resultater, hvilket gør det lettere for klinikere og patienter at fortolke resultaterne og forstå risikoniveauet eller forventet genopretningspotentiale. Klassificeringstærsklerne kan ændres baseret på yderligere validering for at sikre nøjagtighed og klinisk relevans.