The Prediction of Venous Thromboembolism Using Artificial Intelligence and Machine Learning in Lower Extremity Arthroplasty: A Systematic Review
Notice bibliographique
Résumé
Background: Venous thromboembolism (VTE), including deep vein thrombosis and pulmonary embolism, is a common and serious complication following lower extremity arthroplasty, such as total hip and knee arthroplasty. Due to the increasing number of these surgeries, accurately predicting VTE risk is crucial. Traditional clinical prediction models often fall short due to their complexity and limited accuracy. Methods: This Preferred Reporting Items for Systematic Review and Meta-Analyses-guided systematic review summarized the application of artificial intelligence (AI) and machine learning models in predicting VTE after total joint arthroplasty. Databases including PubMed, Scopus, Web of Science, and Embase were searched for relevant studies published up to January 2024. Eligible studies focused on the predictive accuracy of AI algorithms for VTE post arthroplasty and were assessed for quality using the Newcastle-Ottawa Scale. Results: A total of 7 retrospective cohort studies, encompassing 579,454 patients, met the inclusion criteria. These studies primarily employed the extreme gradient boosting model, which generally demonstrated strong predictive performance with area under the curve values ranging from 0.71 to 0.982. Models like random forest and support vector machines also performed well. However, only 1 study included external validation, critical for assessing generalizability. Conclusions: AI and machine learning models, particularly extreme gradient boosting, exhibit significant potential in predicting VTE after lower extremity arthroplasty, outperforming traditional clinical prediction tools. Yet, the need for external validation and high-quality, generalizable datasets remains critical before these models can be widely implemented in clinical practice. The study underscores the role of AI in preoperative planning to enhance patient outcomes in orthopaedic surgery.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».