骨质疏松性椎体骨折椎体成形术后邻近椎体再骨折预测模型的构建与验证

摘要

目的 基于机器学习算法构建骨质疏松性椎体骨折行椎体成形术后邻近椎体再骨折的预测模型，并对模型的预测性能进行验证。方法 2014年1月至2023年10月重庆市东南医院骨科收治骨质疏松性椎体骨折患者1 173例的临床资料。采用随机拆分法，以4∶1比例随机分为建模组和内部验证组。另收集成都市医学院附属老年医院外科和重庆市綦江区中医院骨科骨质疏松性椎体骨折患者983例的临床资料作为外部验证组。采用LASSO回归分析筛选关键变量，对关键变量进行多因素分析。基于独立危险因素分别构建Logistic模型、决策树模型及神经网络模型，并对模型预测性能进行验证。结果 1 173例患者中有241例再发骨折，发生率为20.6%。LASSO回归分析共筛选出17个关键变量。多因素分析显示，年龄、体质量指数（BMI）、骨折部位（胸腰段）、强化椎体数量、骨水泥注入量、骨密度T值、术后卧床时间、术后抗骨质疏松治疗（未接受）为再发骨折的独立危险因素（P<0.05）。基于8个独立危险因素构建Logistic模型、决策树模型及神经网络模型。经模型验证，3种预测模型的AUC均>0.6。结论 基于机器学习算法构建出3个适用于骨质疏松性椎体骨折行椎体成形后临近椎体再发骨折的预测模型中，决策树模型预测性能相对较差，且Logistic模型与神经网络模型的预测性能相近。

关键词

骨质疏松性骨折 / 椎体成形术 / 预测模型