Разработка и валидация интерпретируемых моделей машинного обучения для прогнозирования риска некроза после реплантации пальцев: ретроспективное многоцентровое исследование

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.

Аннотация взята из PubMed (NCBI) для цитируемой записи и приводится на языке оригинала. Авторитетной является версия в исходной публикации.

Аннотация оставлена без перевода, чтобы сохранить собственные формулировки авторов.

Создана и валидирована интерпретируемая модель машинного обучения на основе метода градиентного бустинга для прогнозирования риска развития некроза пальцев после реплантации. Обучающая и внутренняя валидационная выборки включили 1579 пациентов, внешняя валидация — данные 293 пациентов из двух других учреждений. Модель продемонстрировала AUC 0,995 на обучающей, 0,978 на внутренней и 0,983 на внешней выборке; выявлены 9 независимых предикторов, включая стаж врача и число нейтрофилов. Модель может помочь клиницистам своевременно выявлять пациентов высокого риска.

Узнайте, как это исследование связано с клинической практикой

Другие рецензируемые исследования в разделе «Безопасность и инфекционный контроль».

• Leech-Assisted Flap Salvage — Systematic Review of 277 Cases — Whitaker et al. (2012)
• Влияние гирудотерапии на функции печени, липидный профиль и чувствительность к инсулину у крыс с метаболическим синдромом — Bilden A et al. (2026)
• Эффективность и безопасность гирудотерапии для улучшения показателей качества спермы при мужском бесплодии: рандомизированное контролируемое исследование — Abtahi-Forooshani M et al. (2026)
• Улучшение ухода за пациентами с помощью гирудотерапии и обращение с пиявками от их получения до утилизации во Франции — Vaesken C et al. (2023)
• Гирудотерапия в медицине и стоматологии — Jha K et al. (2015)
• Ведение хронических незаживающих ран с помощью гирудотерапии — Iqbal A et al. (2017)
• Гирудотерапия уменьшает артритическую боль у пациентов с различными хроническими болевыми синдромами: ретроспективный анализ — Loeser J et al. (2020)
• Гирудотерапия (медицинские пиявки) в лечении обструкции верхних дыхательных путей у собаки — Trenholme H, Masseau I, Reinero C (2021)
• Анализ устойчивых к антибиотикам инфекций, связанных с гирудотерапией — Brauer P et al. (2024)
• Пиявка, отстань! Нетравматический гемартроз после гирудотерапии — Curcio J, Lloyd C (2020)

Все исследования, проанализированные ASH →