Эта страница была переведена автоматически, точность перевода не гарантируется. Пожалуйста, обратитесь к английской версии для исходного текста.

Прогнозирование рецидивов поясничного диска грыжа на уровне L5-S1 через модели машинного обучения на основе эндоскопической дискомии с помощью межсладного подхода

12 февраля 2025 г. обновлено: Jinyu Chen

О чем было исследование? Это исследование было сосредоточено на улучшении ухода за пациентами с определенной проблемой обратной стороны, называемой поясничным дисковым грыжами на уровне L5-S1. Врачи часто лечат это состояние с минимально инвазивной хирургией, известной как чрескожная эндоскопическая межслойная дискомия (PEID). Однако иногда грыжа (поврежденный диск) может возвращаться после операции. Цель этого исследования состояла в том, чтобы разработать компьютерные модели, которые помогают предсказать, какие пациенты могут испытывать рецидив своего грыжа грыжи.

Кто участвовал? В исследовании рассмотрели медицинские записи 309 пациентов, которые перенесли операцию Peid. Из них у 33 пациентов наблюдались рецидив своей грыжи, а 276 пациентов - нет.

Что делали исследователи?

Сбор данных:

Они собрали информацию от каждого пациента до операции, включая клинические детали (например, масса тела и любые состояния здоровья, такие как диабет) и исследования визуализации (например, рентгеновские снимки, КТ или МРТ), которые показывают состояние позвоночника.

Выявление ключевых факторов риска:

Используя статистический метод, называемый регрессией Лассо, исследователи определили восемь важных факторов, которые могли бы повлиять на то, может ли грыжа вернуться. Они включали такие факторы, как индекс массы тела (ИМТ), мера, связанная с высотой диска (индекс высоты заднего диска), признаки сужения позвоночного канала, как долго у пациента были симптомы перед операцией и другие состояния здоровья.

Разработка моделей прогнозирования:

Затем они использовали несколько методов машинного обучения (передовые компьютерные методы, которые учатся на данных) для создания моделей прогнозирования. Две из наиболее эффективных моделей были основаны на методах, называемых случайным лесом и экстремальным повышением градиента (XGB).

Каковы были основные выводы?

Ключевые предикторы: было обнаружено, что более высокие ИМТ и изменения в диске (как измерено индексом высоты заднего диска) являются самыми сильными предикторами грыжа, возвращающейся после операции. Другие факторы, такие как сужение позвоночного канала и более длительное продолжительность симптомов перед операцией, также играли значительные роли.

Практическое значение: эти модели могут помочь врачам определить, какие пациенты подвергаются более высокому риску рецидива. С помощью этой информации они могут корректировать планы лечения и последующую помощь, чтобы лучше управлять и потенциально снизить риск возвращения грыжа.

Почему это важно? Для пациентов и их семей это исследование дает надежду на более персонализированные и эффективные планы лечения, что снижает вероятность необходимости дополнительных операций в будущем. Для медицинских работников результаты предоставляют полезные инструменты для улучшения принятия решений перед операцией, обеспечивая лучшие долгосрочные результаты для пациентов с поясничным диском грыжами L5-S1.

Таким образом, в этом исследовании используются современные компьютерные методы для прогнозирования риска рецидивирующей грыжи диска после общей минимально инвазивной операции на спине, с целью улучшения ухода за пациентами и улучшения хирургических результатов.

Обзор исследования

Статус

Завершенный

Подробное описание

Подробное описание

Это исследование было направлено на улучшение ухода за пациентами, перенесшими минимально инвазивную хирургию позвоночника, известную как чрескожную эндоскопическую межслойную дискэктомию (PEID), которая используется для лечения грыжа на уровне L5-S1. Рецидивирующая грыжа диска, где проблема диска возвращается после операции, приводит к дополнительной боли и необходимости дальнейшего лечения. Чтобы решить эту проблему, исследовательская группа провела углубленный обзор данных о пациентах, собранных в одной больнице.

Как было проведено исследование, исследователи собрали комплексную информацию от 309 пациентов, которые перенесли Peid. Эта информация включала клинические детали (такие как возраст, индекс массы тела и существующие состояния, такие как диабет) и данные визуализации (от рентгеновских лучей, КТ и МРТ), которые дали представление о структуре и состоянии позвоночника. Вместо того, чтобы полагаться на один фактор, в исследовании изучался широкий спектр переменных, чтобы понять, какие из них могут предсказать рецидив грыжа грыжа.

Расширенные методы анализа данных и прогнозирования. Для просмотра большого количества собранных данных команда использовала статистическую технику, называемую регрессией Lasso. Этот метод помог определить наиболее влиятельные факторы из многих возможных измерений. Появилось восемь ключевых факторов, включая индекс массы тела (ИМТ) и конкретные измерения, связанные со структурой позвоночника.

Опираясь на эту основу, в исследовании использовалось несколько компьютерных методов машинного обучения, которые обнаруживают закономерности в моделях данных, чтобы создать модели, способные прогнозировать риск рецидива. Среди различных протестированных моделей два (случайный лес и экстремальный градиент) выделялись за их сильные результаты. Эти модели не только подчеркивали значение таких факторов, как ИМТ и определенные измерения позвоночника, но также предоставили клиницисты для оценки риска до операции.

Почему это имеет значение для медицинских работников, наличие надежной прогнозной модели означает, что они могут лучше адаптировать хирургические методы и послеоперационную помощь отдельным пациентам. Понимая профиль риска пациента, хирурги могут принимать дополнительные меры предосторожности или рассмотреть альтернативные подходы для снижения вероятности повторения. Для пациентов и их семей это приводит к более персонализированным планам лечения и потенциально меньшим осложнениям или повторным операциям в будущем.

Таким образом, это исследование представляет собой важный шаг к персонализированной медицине при уходе за позвоночником. Интегрируя подробные клинические данные и визуализацию с современными методами машинного обучения, исследователи разработали модель, которая может прогнозировать вероятность рецидивирующего грыжа грыжа после операции Peid. Понимание получило не только улучшение понимания ключевых факторов риска, но и проложить путь для более целенаправленных и эффективных стратегий лечения, в конечном итоге с целью повышения долгосрочных результатов пациентов.

Тип исследования

Наблюдательный

Регистрация (Действительный)

309

Контакты и местонахождение

В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.

Места учебы

    • Jiangsu
      • Nantong, Jiangsu, Китай, 226000
        • Nantong First People's Hospital

Критерии участия

Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.

Критерии приемлемости

Возраст, подходящий для обучения

  • Ребенок
  • Взрослый
  • Пожилой взрослый

Принимает здоровых добровольцев

Нет

Метод выборки

Невероятностная выборка

Исследуемая популяция

Описание популяции:

Исследовательская популяция состояла из 309 пациентов, у которых была чрескожная эндоскопическая межслойная дискомия (PEID) для поясничного диска L5-S1 в период с января 2020 года по июнь 2024 года в больнице Nantong First People. У всех пациентов было не менее 6 месяцев наблюдения после операции. Исследование было сосредоточено на выявлении факторов, которые предсказывают рецидивирующую грыжу поясничного диска (RLDH) после процедуры.

Описание

Критерии включения:

Критерии включения для RLDH: (а) пациенты с поясничным дисковым грыжами L5-S1, которые перенесли одноуровневое PEID. (Б) завершены комплексные экзамены на визуализацию в течение одного месяца до операции.

(C) Последствия PAS -оценки снизились на ≥60%, после чего было увеличено, подтвержденное визуализацией.

(D) никаких других аномалий, обнаруженных при визуализации. (E) Минимальный период наблюдения 6 месяцев.

Критерии включения для не-RLDH: (а) пациенты с поясничным дисковым грыжами L5-S1, которые подвергались одноуровневому PEID. (Б) завершены комплексные экзамены на визуализацию в течение одного месяца до операции. (C) Последствия PAS -оценки снизились на ≥60% без рецидива. (D) никаких других аномалий, обнаруженных при визуализации. (E) Минимальный период наблюдения 6 месяцев.

Критерии исключения:

(A) Присутствие других патологических состояний, вызывающих боль в пояснице, такие как инфекции дисков, опухоли позвоночника, метаболическое заболевание костей или остеопороз. (Б) История предыдущего поясничного диска или других операций позвоночника. (C) Плохое качество визуализации или неполные данные обследования. (D) Пациенты потеряли последующее наблюдение.

Учебный план

В этом разделе представлена ​​подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.

Как устроено исследование?

Детали дизайна

Когорты и вмешательства

Группа / когорта
Вмешательство/лечение
Повторяющийся rldh
: Пациенты, которые испытывали рецидивирующую поясничную грыжу диска после L5-S1 Peid.

В этом вмешательстве используется модель машинного обучения для прогнозирования риска рецидивирующей грыжи поясничного диска (RLDH) у пациентов, у которых была чрескожная эндоскопическая межламиновая дискэктомия (PEID) на уровне L5-S1. Модель объединяет клинические данные (например, ИМТ, продолжительность заболевания, диабет) и показатели визуализации (например, индекс высоты заднего диска, стеноз позвоночного канала), чтобы создать индивидуальный показатель риска, в отличие от традиционных методов, которые зависят только на клинические суждения или визуализацию.

Ключевые функции:

Подход, управляемый данными: разработан с использованием данных от 309 пациентов для реальной актуальности.

Усовершенствованный выбор переменной: идентифицирует восемь ключевых предикторов с использованием регрессии Lasso.

Многочисленные методы машинного обучения: использует алгоритмы, такие как машина поддержки вектор, случайный лес и повышение повышения градиента.

Оптимизирован для принятия клинических решений: помогает хирургам в персонализации планов лечения по снижению риска рецидива.

Нерегулярное RLDH
Пациенты, которые не испытывали рецидивирующей грыжи поясничного диска после L5-S1 Peid.

В этом вмешательстве используется модель машинного обучения для прогнозирования риска рецидивирующей грыжи поясничного диска (RLDH) у пациентов, у которых была чрескожная эндоскопическая межламиновая дискэктомия (PEID) на уровне L5-S1. Модель объединяет клинические данные (например, ИМТ, продолжительность заболевания, диабет) и показатели визуализации (например, индекс высоты заднего диска, стеноз позвоночного канала), чтобы создать индивидуальный показатель риска, в отличие от традиционных методов, которые зависят только на клинические суждения или визуализацию.

Ключевые функции:

Подход, управляемый данными: разработан с использованием данных от 309 пациентов для реальной актуальности.

Усовершенствованный выбор переменной: идентифицирует восемь ключевых предикторов с использованием регрессии Lasso.

Многочисленные методы машинного обучения: использует алгоритмы, такие как машина поддержки вектор, случайный лес и повышение повышения градиента.

Оптимизирован для принятия клинических решений: помогает хирургам в персонализации планов лечения по снижению риска рецидива.

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Рецидив поясничной грыжи диска (RLDH) после чрескожной эндоскопической межламиновой дискомии (PEID) на уровне L5-S1
Временное ограничение: Рецидив будет контролироваться и задокументирован во время последующих посещений не менее 6 месяцев
Первичный показатель исхода оценит рецидив грыжи поясничного диска (RLDH) у пациентов, которые подверглись чрескожной эндоскопической межламинарной дискомии (PEID) на уровне L5-S1. Появление RLDH будет оцениваться на основе клинических симптомов и результатов визуализации, включая МРТ или КТ, в течение определенного периода наблюдения после операции. Эта мера направлена ​​на разработку прогнозирующей модели для оценки вероятности повторения грыжи диска после Пида на уровне L5-S1.
Рецидив будет контролироваться и задокументирован во время последующих посещений не менее 6 месяцев

Соавторы и исследователи

Здесь вы найдете людей и организации, участвующие в этом исследовании.

Спонсор

Публикации и полезные ссылки

Лицо, ответственное за внесение сведений об исследовании, добровольно предоставляет эти публикации. Это может быть что угодно, связанное с исследованием.

Общие публикации

Даты записи исследования

Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.

Изучение основных дат

Начало исследования (Действительный)

1 января 2020 г.

Первичное завершение (Действительный)

31 мая 2024 г.

Завершение исследования (Действительный)

1 ноября 2024 г.

Даты регистрации исследования

Первый отправленный

12 февраля 2025 г.

Впервые представлено, что соответствует критериям контроля качества

12 февраля 2025 г.

Первый опубликованный (Действительный)

25 марта 2025 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)

25 марта 2025 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

12 февраля 2025 г.

Последняя проверка

1 октября 2024 г.

Дополнительная информация

Термины, связанные с этим исследованием

Планирование данных отдельных участников (IPD)

Планируете делиться данными об отдельных участниках (IPD)?

НЕТ

Описание плана IPD

Из -за чувствительного характера клинических данных о пациентах и ​​визуализации, а также для защиты конфиденциальности пациентов и безопасности данных, мы не планируем обмениваться данными отдельных участников (IPD) с другими исследователями. Обмен такими данными потенциально может привести к утечке личной информации, поэтому мы решили не делать эти данные общедоступными. Все данные будут обработаны в строгом соответствии с правилами защиты конфиденциальности, установленными Комитетом по этике больницы, и будут использоваться исключительно в исследовательской группе.

Информация о лекарствах и устройствах, исследовательские документы

Изучает лекарственный продукт, регулируемый FDA США.

Нет

Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.

Нет

продукт, произведенный в США и экспортированный из США.

Нет

Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .

Подписаться