《The Journal of Pediatrics》：Outcomes and Predictive Modeling in Helmet Therapy for Plagiocephaly
编辑推荐：
本研究基于6,694名接受颅骨矫形治疗的婴儿数据进行回顾性分析，开发并验证了基于XGBoost算法的机器学习模型，该模型能根据初始颅骨不对称指数（CVAI）和颅指数（CI）以及患者年龄和治疗时长，准确预测治疗结束后的CVAI（R2=0.794，MAE=0.756）和CI（R2=0.864，MAE=0.936）。
Krystof Stanek | Jay G. Berry | James H. Wynne | Isabel Stringfellow | Daniel M. Balkin
波士顿儿童医院整形与口腔外科部门；美国马萨诸塞州波士顿
摘要
目的
开发并评估一个机器学习模型，以预测接受颅骨矫形器治疗的婴儿在颅骨变形性斜头畸形（DP）和/或颅骨变形性短头畸形（DB）治疗过程中颅顶不对称指数（CVAI）和颅骨指数（CI）的变化情况。
研究设计
这项回顾性分析使用了6,694名患有DP和/或DB的婴儿在2012年4月1日至2022年10月31日期间接受颅骨矫形器治疗期间的CVAI和CI的连续测量数据。研究采用极端梯度提升（XGBoost）算法，根据初始颅骨测量结果、患者年龄和治疗持续时间来预测治疗结束时的CVAI和CI。
结果
初次接受头盔治疗时，婴儿的中位年龄（四分位数范围IQR）为6个月（5-8个月），其中36.5%（n=2446）仅患有DP，9.0%（n=600）仅患有DB，54.5%（n=3648）同时患有DP和DB。初始CVAI和CI的中位数分别为7.6%（IQR：6.2%-9.4%）和95%（IQR：92.6%-98.5%）。XGBoost模型在预测最终CVAI（解释了79.4%的变异量，R2 = 0.794）和CI（解释了86.4%的变异量，MAE = 0.936）方面表现出较高的准确性。
结论
通过对接受DP和/或DB颅骨塑形治疗的患者的广泛回顾性队列分析，我们开发出了一个基于机器学习的模型，能够预测治疗期间颅骨形状的变化。需要进一步研究，以评估这一预测工具如何帮助临床决策和为家长提供关于DP和/或DB颅骨矫形器的建议。
研究设计、研究环境和样本
这是一项针对6,694名患有DP和/或DB的婴儿的回顾性队列研究，这些婴儿在2012年4月1日至2022年10月31日期间接受了颅骨矫形器治疗，治疗机构为波士顿矫形与假肢中心（Boston Orthotics & Prosthetics），该机构专门为儿童提供矫形和假肢护理服务。本研究遵循机构审查委员会（IRB-P00024296）的协议进行。
收集了包括年龄（以月为单位）和性别在内的人口统计变量，并使用手持设备获取了颅骨测量数据。
研究样本特征
本研究共评估了6,694名患有DP和/或DB的婴儿，其中69.2%为男性，30.8%为女性。其中，最大的群体（3,648名，占54.5%）同时患有DP和DB。其余患者中，2,446名（36.5%）仅患有DP，600名（9.0%）仅患有DB。根据这些结果，我们将分析分为两组：一组为仅接受DP治疗的婴儿，另一组为同时患有DP和DB的婴儿。
讨论
在这项大型多中心队列研究中，我们分析了6,000多名接受头盔治疗的DP和/或DB婴儿的治疗结果。研究发现，治疗开始时的年龄越小，颅骨矫正效果越好；初始畸形程度强烈影响了改善的持续时间和程度。此外，我们的机器学习模型能够根据儿童的当前测量数据准确预测未来的颅骨形状。
CRediT作者贡献声明
Krystof Stanek：撰写——审阅与编辑、原始稿撰写、数据可视化、模型验证、软件开发、项目管理、方法论设计、研究实施、资金筹集、数据分析、概念构思。
Jay G. Berry：撰写——审阅与编辑、研究监督、方法论设计、研究实施、概念构思。
James H. Wynne：撰写——审阅与编辑、资源协调、方法论设计、概念构思。
Isabel Stringfellow：撰写——审阅与编辑、方法论设计。
利益声明
? 作者声明没有已知的可能影响本文研究的财务利益或个人关系。
? 作者声明以下可能被视为潜在利益关系的财务利益或个人关系：
James Wynne与OrthoPediatrics Corp存在关联，包括雇佣关系。Krystof Stanek、Jay Berry、Daniel Balkin和Isabel Stringfellow持有待批准专利。
