基于机器学习构建中青年人群颈椎失稳临床预测模型

• Published in: 中国组织工程研究 Vol. 29; no. 33; pp. 7203 - 7210
• Main Authors: 李靖, 路广琦, 庄明辉, 崔莹, 俞张镜泽, 孙馨悦, 马明明, 朱立国, 于杰
• Format: Journal Article
• Language: Chinese
• Published: 中国中医科学院望京医院,北京市 100102 2025
• Subjects: 中青年人群; 颈椎失稳; 机器学习; 临床预测模型; cervical instability; predictor; machine learning; clinical prediction model; 预测因子; young and middle-aged people
• ISSN: 2095-4344
• DOI: 10.12307/2025.853

R459.9%R318%R681.5; 背景:颈椎失稳是中青年人群常见骨科疾病,是颈椎病早期表现,对患者生活质量影响较大.因此,早期诊断颈椎失稳以实施早期干预具有积极的临床意义和社会意义. 目的:基于机器学习构建中青年人群颈椎失稳临床预测模型,在进行X射线片检查之前,实现中青年人群颈椎失稳早期筛查. 方法:2022年9月至2023年10月通过招募广告和中国中医科学院望京医院脊柱科门诊招募155例中青年颈椎失稳受试者和88例非颈椎失稳受试者作为研究对象,基于调查问卷形式现场采集受试者一般信息、生活工作习惯、不适症状、颈痛目测类比评分、颈椎功能障碍指数、健康调查简表(SF-36)等信息,并将以上信息作为预测因子,经筛选后,以支持向量机、轻量的梯度提升机、随机森林、逻辑回归分析、自适应提升算法、极致梯度提升分类器6种机器学习算法采用十折交叉验证方法进行模型训练,构建颈椎失稳临床预测模型,以曲线下面积为主要评价指标.将预测因子进行单因素分析,并采用SHAP方法对预测因子的重要性进行排序,以相关性热力图展现预测因子之间及其与颈椎失稳之间的线性相关程度. 结果与结论:①6种机器学习模型中,选用随机森林模型为最终预测模型,包含年龄、体质量指数、颈围/颈长、颈痛目测类比评分、颈椎功能障碍指数、SF-36健康状况量表躯体疼痛、总体健康、生命活力、精神健康评分9个预测因子,曲线下面积=0.725 4,具有良好的预测能力,可作为早期筛查中青年人群颈椎失稳的参考工具;②两组受试者的年龄、颈痛目测类比评分、颈椎功能障碍指数、SF-36健康状况量表躯体疼痛、总体健康、生命活力评分相比差异有显著性意义(P＜0.05);③预测因子重要性排序为年龄、颈椎功能障碍指数、颈痛目测类比评分、总体健康、体质量指数、生命活力、躯体疼痛、颈围/颈长、精神健康,其中年龄、颈痛目测类比评分、颈椎功能障碍指数与颈椎失稳呈正相关,总体健康、体质量指数、生命活力、躯体疼痛、颈围/颈长、精神健康与颈椎失稳呈负相关.