基于机器学习预测全膝关节置换术后早期停用患者自控镇痛：一项回顾性队列研究

背景：患者自控镇痛（PCA）广泛用于全膝关节置换术（TKA）术后疼痛控制。尽管术后恶心呕吐（PONV）已被广泛研究，但PCA的早期停用——代表基于阿片类镇痛策略的失败——作为一个独立的、与决策相关的结果尚未得到充分研究。方法：我们进行了一项单中心回顾性观察研究，纳入1188例接受初次TKA并在术后接受PCA疼痛管理的患者。主要目的是利用常规可获得的围手术期变量，开发可解释的机器学习模型来预测PCA的早期停用。次要目的是评估反映临床信息渐进可用的层级特征集的增量预测价值。结果：约10%的患者发生PCA早期停用，反映了与类别不平衡相关的低频率临床事件。女性以及PONV相关易感因素，包括既往恶心/呕吐不耐受，在PCA早期停用患者中更常见。随机森林第3步模型显示出可接受的区分性能（AUC：0.77；PR-AUC：0.38），良好的校准准确性（Brier评分：0.065），以及在决策曲线分析中良好的临床效用。可解释性分析显示，患者水平的易感因素——如既往恶心或呕吐不耐受和基线临床特征——对PCA早期停用的贡献强于围手术期管理或手术变量。结论：TKA后PCA早期停用代表一个独特的、基于决策的临床终点，而这不是诸如PONV等以症状为重点的结果所能捕获的。可解释的机器学习模型可能有助于识别TKA后PCA早期停用风险增加的患者，这可能支持知情咨询和个体化术后疼痛管理策略的主动规划。然而，在常规临床实施之前，需要进行外部验证。