Entwicklung und Validierung interpretierbarer Modelle des maschinellen Lernens zur Vorhersage des Nekroserisikos nach Fingerreplantation: eine retrospektive multizentrische Studie

INTRODUCTION: Digital necrosis (DN) is a critical postoperative complication following finger replantation surgery. This can necessitate additional surgical interventions that can adversely affect the patient's hand functionality, psychological well-being, and financial standing. The timely identification and management of the risk of post-replantation DN are thus crucial for enhancing patient outcomes. The objective of this study was to create and validate an easily understandable machine learning (ML) model for predicting the risk of DN following finger replantation surgery. PATIENTS AND METHODS: Data from 1579 patients who underwent finger replantation surgery at Suzhou Ruihua Orthopaedic Hospital between September 2018 and September 2023 were collected and divided into training and internal validation sets. Additionally, 293 data points from two other institutions were employed as independent external validation sets. Ten machine-learning methods, including Gradient Boosting Machine (GBM), were utilized for modeling. The performance of the model was assessed using the area under the receiver operating characteristic curve (AUC) and decision curve analysis (DCA). SHapley Additive exPlanation (SHAP) was utilized to provide both global and local interpretations of the final model. RESULTS: Nine indices, including the seniority of the doctor and the neutrophil count, were identified as independent predictors of DN. The GBM model showed optimal model with high predictive accuracy for DN risk in both the training set (AUC: 0.995) and the internal validation set (AUC: 0.978), which was confirmed using external validation (AUC: 0.983). The reliability and utility of the GBM model and the web-based computing platform were confirmed by DCA, calibration curve, accuracy, and sensitivity analyses. CONCLUSION: An interpretable machine-learning model based on complete blood counts and related inflammatory marker levels was constructed and validated to predict the likelihood of developing DN following finger replantation. This model can assist clinicians in the prompt identification of high-risk patients post-replantation, enabling timely intervention.

Abstract aus PubMed (NCBI) für den zitierten Eintrag, in der Originalsprache wiedergegeben. Maßgeblich ist die Fassung der Originalpublikation.

Das Abstract wird nicht übersetzt, damit die eigene Wortwahl der Autoren erhalten bleibt.

Zur Vorhersage einer digitalen Nekrose nach Fingerreplantation wurden auf Daten von 1579 Patienten eines Krankenhauses (plus 293 externe Datensätze von zwei weiteren Zentren) zehn maschinelle Lernverfahren trainiert und geprüft. Neun unabhängige Prädiktoren, darunter das Dienstalter des Arztes und die Neutrophilenzahl, wurden identifiziert. Das Gradient-Boosting-Modell erwies sich als optimal und zeigte eine hohe Vorhersagegenauigkeit (AUC 0,995 Training; 0,978 interne Validierung; 0,983 externe Validierung). Das auf Blutbild und Entzündungsmarkern beruhende interpretierbare Modell könne, so die Autoren, Hochrisikopatienten frühzeitig erkennen.

Erfahren Sie, wie diese Forschung mit der klinischen Praxis verknüpft ist

Weitere begutachtete Studien in der Kategorie „Sicherheit & Infektionskontrolle“.

• Leech-Assisted Flap Salvage — Systematic Review of 277 Cases — Whitaker et al. (2012)
• Auswirkungen der Hirudotherapie auf Leberfunktionen, Lipidprofil und Insulinsensitivität bei Ratten mit metabolischem Syndrom — Bilden A et al. (2026)
• Efficacy and Safety of Hirudotherapy for Improving Sperm Quality Parameters in Male Infertility: A Randomized Controlled Trial — Abtahi-Forooshani M et al. (2026)
• Improvement of patient care through hirudotherapy and the management of leeches from their reception to their disposal in France — Vaesken C et al. (2023)
• Hirudotherapy in Medicine and Dentistry — Jha K et al. (2015)
• Management of Chronic Non-healing Wounds by Hirudotherapy — Iqbal A et al. (2017)
• Hirudotherapie lindert arthritische Schmerzen bei Patienten mit verschiedenen chronischen Schmerzsyndromen: eine retrospektive Analyse — Loeser J et al. (2020)
• Hirudotherapy (medicinal leeches) for treatment of upper airway obstruction in a dog — Trenholme H, Masseau I, Reinero C (2021)
• Analyse antibiotikaresistenter Infektionen im Zusammenhang mit Hirudotherapie — Brauer P et al. (2024)
• Leech Me Alone! Atraumatic Hemarthrosis after Hirudotherapy — Curcio J, Lloyd C (2020)

Alle von der ASH analysierten Studien →