Forudsigelsen af ​​gentagelseslummel disk herniation på L5-S1-niveau gennem maskinindlæringsmodeller baseret på endoskopisk discektomi via Interlaminar-tilgangen

Hvad handlede undersøgelsen om? Denne undersøgelse fokuserede på at forbedre plejen af ​​patienter med et specifikt type rygproblem kaldet lumbale disk herniation på L5-S1-niveau. Læger behandler ofte denne tilstand med en minimalt invasiv kirurgi kendt som perkutan endoskopisk interlaminar discektomi (PEID). Nogle gange kan herniation (den beskadigede disk) komme tilbage efter operationen. Målet med denne undersøgelse var at udvikle computermodeller, der hjælper med at forudsige, hvilke patienter der kunne opleve en gentagelse af deres herniated disk.

Hvem deltog? Undersøgelsen gennemgik de medicinske poster hos 309 patienter, der havde gennemgået PEID -operationen. Ud af disse oplevede 33 patienter en gentagelse af deres herniation, mens 276 patienter ikke gjorde det.

Hvad gjorde forskerne?

Dataindsamling:

De indsamlede information fra hver patient inden operationen, herunder kliniske detaljer (som kropsvægt og eventuelle sundhedsmæssige forhold såsom diabetes) og billeddannelsesundersøgelser (som røntgenstråler, CT-scanninger eller MRI'er), der viser rygsøjlen.

Identificering af centrale risikofaktorer:

Ved hjælp af en statistisk metode kaldet Lasso -regression identificerede forskerne otte vigtige faktorer, der kunne påvirke, om herniation muligvis kommer tilbage. Disse omfattede faktorer som Body Mass Index (BMI), en foranstaltning relateret til diskhøjde (posterior diskhøjdeindeks), tegn på indsnævring af rygmarv, hvor længe patienten havde symptomer inden operationen og andre sundhedsmæssige forhold.

Udvikling af forudsigelsesmodeller:

De brugte derefter flere maskinlæringsteknikker (avancerede computermetoder, der lærer af data) til at opbygge forudsigelsesmodeller. To af de bedst presterende modeller var baseret på metoder kaldet Random Forest og Extreme Gradient Boosting (XGB).

Hvad var de vigtigste fund?

Nøgleprediktorer: Højere BMI og ændringer i disken (som målt ved det bageste skivehøjdeindeks) viste sig at være de stærkeste prediktorer for en herniation, der kom tilbage efter operationen. Andre faktorer, som spinalkanalindvikling og længere varighed af symptomer før operation, spillede også betydelige roller.

Praktisk implikation: Disse modeller kan hjælpe læger med at identificere, hvilke patienter der har en højere risiko for gentagelse. Med disse oplysninger kan de justere behandlingsplaner og opfølgning for bedre at styre og potentielt reducere risikoen for, at herniation kommer tilbage.

Hvorfor er dette vigtigt? For patienter og deres familier giver denne undersøgelse håb om mere personaliserede og effektive behandlingsplaner, hvilket reducerer chancerne for at have brug for yderligere operationer i fremtiden. For udbydere af sundhedsydelser giver resultaterne nyttige værktøjer til at forbedre beslutningstagningen inden operationen, hvilket sikrer bedre langsigtede resultater for patienter med L5-S1 Lumber Disc herniation.

Sammenfattende bruger denne forskning moderne computermetoder til at forudsige risikoen for tilbagevendende diskbud efter en fælles minimalt invasiv rygkirurgi med det formål at forbedre patientpleje og forbedre kirurgiske resultater.