Utvikling og forvalidering av en maskinlæringsbasert prediksjonsalgoritme for tidlig funksjonell bedring hos pasienter som gjennomgår hofte- og kneproteseoperasjon (FISIO_IA)

Denne observasjonsstudien har som mål å utvikle og forhåndsvalidere en maskinlæringsalgoritme for å predikere tidlig mobiliseringsgjenvinning og liggetid på sykehus for pasienter som gjennomgår elektiv hofte- eller kneproteseoperasjon. Studien inkluderer en retrospektiv fase (2020-2023) som bruker eksisterende kliniske og fysioterapidata, og en prospektiv fase (mars 2026-desember 2027) for å validere modellen i rutinemessig klinisk praksis.

Datainnsamling og utfall:

Mobiliseringsgjenvinning: vurdert ved evnen til å gå opp og ned tre trinn innen de fire første postoperative dagene, registrert i fysioterapidagboken og elektronisk pasientjournal.

Liggetid: betraktes som normal hvis utskrevet innen den femte postoperative dagen; lengre opphold defineres som forlenget.

Prediktorer: Basis demografi (alder, kjønn, BMI, ASA-score, preoperativt hemoglobin) og kliniske/perioperative egenskaper (type kirurgi og anestesi, oppstart av fysioterapi, smertnivå, bruk av urinkateter, ortostatisk intoleranse).

Utvalgsstørrelse: 943 pasienter totalt (600 retrospektive, 343 prospektive), basert på modellutviklingskrav og AUROC-estimering.

Dataanalyse: Datasettet vil bli delt inn i trenings-, validerings- og testsett. Flere overvåkede læringsalgoritmer (f.eks. logistisk regresjon, tilfeldig skog, gradient boosting) vil bli sammenlignet. Modellytelse vil bli evaluert ved bruk av AUROC, sensitivitet, spesifisitet, presisjon, F1-score og kalibrering. Manglende data vil bli håndtert med imputering eller algoritmens egne metoder når støttet.

Modellvalidering: Prospektive data vil bli brukt til å vurdere modellens diskriminering og kalibrering, og til å identifisere potensielle tidsmessige eller kliniske skjevheter. Omtrening kan utføres ved bruk av kombinert datasett for å forbedre generaliserbarhet.

Studieforløp: Retrospektive pasienter identifisert via sykehusjournaler; prospektive pasienter identifisert på den første postoperative fysioterapisessionen, informert om studien og gitt samtykke. Prediktive resultater lagres i et separat register utilgjengelig for behandlende klinikere.

Deltakende sentre:

IRCCS Istituto Ortopedico Rizzoli, Bologna - pasientrekruttering. Complex Structure of Medical Physics, Arcispedale S. Maria Nuova - dataanalyse og AI-modellering.