Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia · 2026-11-13 · RCT
- 一句话结论:结论:基于术前临床与人口学数据的机器学习模型对显微椎间盘切除术后12个月再突出具有中等预测能力,随机森林表现最佳;属证据支持但预测精度有限,尚不足以下结论用于个体决策。
- 研究设计与做法:设计与做法:多中心研究,数据源自一项随机对照试验的211例接受显微椎间盘切除术的患者,处理缺失后分析152例;先以逻辑回归筛选协变量,再构建随机森林、AdaBoost与神经网络分类器,以MCC与ROC-AUC评价,并试用SMOTE。
- 主要结果:主要结果:再突出的显著预测因素为吸烟与急诊就诊,吸烟者再突出风险约为11倍,频繁急诊就诊者约为19倍;随机森林MCC为0.47、AUC为0.69;SMOTE在多数模型中提高敏感性但降低特异性。置信区间与p值材料未报告。
- 机制或解释:机制或解释:作者未对吸烟与急诊就诊的预测作用给出生物学机制解释,仅将其作为术前风险标志;材料未报告。
- 局限与边界:局限与边界:样本经缺失处理后降至152例,事件数有限;模型区分度中等(AUC 0.69);数据来自单一RCT人群,外推性受限;未报告外部验证、校准度与利益冲突。
- 可否落地:可否落地:对科研提示需外部验证与前瞻性校准后再谈工具化;对临床仅提示可用于识别高危患者以辅助咨询,属提示档,不足以下结论替代临床判断。
🔗 打开原文
Roadley JL, Buchlak QD, Shah J 等
本文摘自《每日前沿研究简报 · 2026-11-23》「AI 医学影像与临床决策」。本内容仅用于研究信息整理与科普交流,不构成医疗建议。

发表评论 取消回复