Arthroplast Today：用聚类算法预测全髋关节和膝关节置换术后的恢复

患者对骨科手术的反应是高度个人化的，并随着时间的推移遵循不同的轨迹，受到身体、精神和关节特定健康领域的影响。例如，根据所测量的身体、精神或关节特定位置，所选测量端点的恢复可能是快速的或延迟的，可能是最佳的或次优的。标准化的结果测量通常不能完全表征恢复途径的可变性，也称为患者群体的恢复“轨迹”。同样，常见的预后指标，如种植体存活、再手术或再入院，可能与患者的感知恢复无关。由于诸如患者和医生健康评估的主观性、可用结果测量工具的局限性以及整合多个健康领域对手术恢复的影响的复杂性等问题，临床医生通常仍然无法对恢复的成功和时间提供一致的准确估计。

全髋关节置换术(THA)和全膝关节置换术(TKA)后的结果随着时间的推移而变化，很难用简单的双峰(“好或坏”)术语来定义。术后恢复涉及整体健康的多个方面之间的动态相互作用，包括疼痛、心理健康、身体功能和关节特异性症状(图1)。例如，心理健康与术后疼痛和满意度有关，但对恢复的确切影响尚不清楚。一些研究通过定义全关节置换术后的离散恢复模式，以更细化或个性化的方式探讨了恢复。这些研究通过对单个患者报告的结果的重复测量，确定了具有恢复模式的患者群。统计方法的最新进展使更先进的模型能够全面捕捉多个健康领域的纵向恢复。

本研究的目的是根据患者报告的结果来定义和预测THA和TKA后的恢复模式，代表了随时间跟踪的多个不同的健康领域。具体来说，我们探索了经历原发性THA和TKA的种群的纵向、多域恢复模式。为了评估多域恢复，我们采用了一种无监督的纵向聚类算法，该算法结合了患者感知的心理、身体和关节特定健康的术后变化。我们假设将观察到THA和TKA患者特有的恢复模式集群(也称为恢复轨迹)，受各种健康领域的差异影响，并使用术前和围手术期数据进行预测。定义常见的恢复模式，并预测由次优恢复模式的风险因素决定的患者特异性恢复，将支持个性化护理方法，以改善结果和期望。

方法:从大型城市学术中心招募成年患者。为了跨身体健康、心理健康和关节特异性措施等领域对THA和TKA术后反应进行建模，我们采用了一种纵向聚类算法，将这些健康领域都纳入其中。来自多个健康域的聚类算法允许定义不同的恢复轨迹，然后可以使用多项回归从术前和围手术期因素进行预测。

图1所示。“多域恢复”的概念。彩色线条表示恢复期间个人健康域的轨迹。黑线代表理论整体采收率概念

接受全髋关节和膝关节置换术患者的基线人口统计学和医学信息

多域纵向聚类多域聚类分析结果。百分比指的是相对于整个队列的群集大小。在左边，边界和颜色表示单个的多域集群。每个点代表一个病人。轴表示纵向主成分分析的前两个主成分。在右侧，线条表示每个健康域的术后轨迹。粗线表示平均轨迹。细线代表每个人的轨迹。

每组人群的人口统计、基线和医疗信息

多变量分析预测术前和围手术期因素的恢复集群

用于预测术前和围手术期数据恢复集群的模型的受试者工作特征曲线。线条和阴影代表单个集群。数字表示用于预测一个集群与其他2个集群的决策规则的接收器操作特性曲线下的面积。

结果:1134例THA患者中的441例和921例TKA患者中的346例符合入选标准，并用于定义不同的恢复模式。对tha和TKA患者观察到的3种不同的恢复模式进行了聚类算法优化。THA术后恢复患者分为标准反应者(50.8%)、晚期精神反应者(13.2%)和不达标反应者(36.1%)3组。多变量、多项回归表明这3组具有明确的特征。晚期精神反应者倾向于肥胖(P < 0.05)和使用更多阿片类药物(P < 0.01)。不合格应答者有更多的合并症(P < 0.05)，使用更多的阿片类药物(P < 0.001)。TKA康复患者分为标准应答者(55.8%)、不良心理应答者(24%)和不良生理应答者(20.2%)。精神反应较差的患者多为女性(P < 0.01)和美国麻醉医师学会III/IV级(P < 0.01)。身体不良反应者多为女性(P < 0.01)、年轻(P < 0.01)、美国麻醉师学会III/IV (P < 0.01)、使用更多阿片类药物(P < 0.01)、出院至护理机构(P < 0.01)。THA和TKA模型的曲线下面积分别为0.67和0.72。

结论:这一多域纵向聚类分析定义了THA和TKA患者恢复的3种不同模式，两个队列中的大多数患者都经历了强劲的改善，而其他患者的恢复轨迹同样明确，但不太理想，要么延迟恢复，要么未能达到预期的结果。延迟恢复组和预后差组患者在全髋关节置换术和全髋关节置换术之间略有差异。这些具有相似恢复模式的患者组由患者特征定义，包括潜在可改变的合并症因素。该研究表明，全髋关节置换术和全髋关节置换术后存在多种确定的恢复轨迹，为全髋关节置换术和全髋关节置换术的恢复提供了新的视角

原文来源：Ryan T, Halvorson;  Abel, Torres-Espin;  Matthew, Cherches;Predicting Recovery Following Total Hip and Knee Arthroplasty Using a Clustering Algorithm.Arthroplast Today 2024 Jun;27(0):101395