یادگیری ماشین اضطراب پیش از جراحی را در بیماران دچار شکستگی گردن استخوان ران شناسایی می‌کند
بر اساس یک مطالعه کوهورت گذشته‌نگر که در یک بیمارستان چین انجام شد، سه مدل یادگیری ماشین مبتنی بر داده‌های معمول بالینی و روان‌شناختی توانستند اضطراب پیش از جراحی را در بیماران دچار شکستگی گردن استخوان ران با دقتی مشابه طبقه‌بندی کنند. در تحلیل ۲۷۱ مورد بستری برای جراحی که به ۲۷۰ بیمار مربوط می‌شد، مدل‌های تقویت گرادیان شدید (XGBoost)، جنگل تصادفی (Random Forest) و ماشین تقویت گرادیان سبک (LightGBM) به‌ترتیب سطح زیر منحنی مشخصه عملکرد گیرنده (AUC) برابر با ۰٫۹۲۱، ۰٫۹۳۲ و ۰٫۹۲۸ در اعتبارسنجی خارج از فولد به دست آوردند. فاصله‌های اطمینان این مقادیر هم‌پوشانی گسترده‌ای داشتند. این مطالعه با استفاده از پرونده‌های بیمارستان دوم وابسته به دانشگاه پزشکی ونژو، از اول ژانویه تا ۳۱ دسامبر ۲۰۲۴، انجام شد و هدف آن بررسی این بود که آیا مجموعه‌ای از ویژگی‌های زیستی، روان‌شناختی و اجتماعی می‌تواند اضطراب تعریف‌شده بر اساس یک مقیاس غربالگری معتبر را طبقه‌بندی کند و کدام عوامل پیش‌بینی‌کننده در اعتبارسنجی‌های تکرارشونده پایدار می‌مانند. نویسندگان تأکید می‌کنند که مدل‌ها اضطراب را هم‌زمان با ارزیابی پیش از عمل طبقه‌بندی می‌کنند و برای پیش‌بینی یک پیامد مستقل در آینده طراحی نشده‌اند. همچنین، هیچ‌یک از مدل‌ها تاکنون به‌صورت خارجی یا آینده‌نگر اعتبارسنجی نشده‌اند.
نمونه مطالعه از میان ۴۱۸ پرونده بستری برای جراحی بزرگسالانی انتخاب شد که شکستگی حاد گردن استخوان ران آن‌ها با تصویربرداری تأیید شده بود و قرار بود تحت عمل جراحی قرار بگیرند. پس از کنار گذاشتن ۲۴ پرونده مربوط به شکستگی پاتولوژیک یا چندآسیبی ناشی از ضربه پرانرژی، ۱۵ مورد ابتلا به اختلال روان‌پزشکی شدید یا مصرف طولانی‌مدت داروهای روان‌گردان، ۶۵ مورد اختلال شناختی شدید و ۴۳ پرونده دارای اطلاعات ناقص بالینی یا پرسش‌نامه‌ای، ۲۷۱ مورد بستری باقی ماند.
اضطراب با استفاده از زیرمقیاس اضطراب در مقیاس بیمارستانی اضطراب و افسردگی (HADS-A) اندازه‌گیری شد. پژوهشگران آموزش‌دیده این پرسش‌نامه را در مصاحبه‌های حضوری کنار تخت بیمار، ۲۴ تا ۴۸ ساعت پس از بستری و دست‌کم ۱۲ ساعت پیش از جراحی، تکمیل کردند. بر اساس آستانه از پیش تعیین‌شده نمره بالاتر از ۸ در HADS-A، در ۷۹ مورد بستری، معادل ۲۹٫۲ درصد، اضطراب قابل‌توجه پیش از عمل تشخیص داده شد؛ در ۱۹۲ مورد دیگر، معادل ۷۰٫۸ درصد، این وضعیت وجود نداشت. از آنجا که فایل تحلیلی فقط طبقه‌بندی دودویی اضطراب را نگه داشته بود و نمره‌های کلی یا پاسخ‌های تک‌تک پرسش‌های HADS-A در آن ثبت نشده بود، پژوهشگران نمی‌توانستند پیامدها را با آستانه‌های جایگزین دوباره طبقه‌بندی کنند یا تحلیل حساسیت مبتنی بر نمره انجام دهند.
مقایسه ویژگی‌های اولیه دو گروه، الگوی مشخصی را در افراد دارای اضطراب نشان داد. میانگین سن این بیماران ۷۰٫۳۹ سال بود، درحالی‌که میانگین سن افراد فاقد اضطراب به ۶۵٫۴۸ سال می‌رسید. همچنین، میانگین غلظت آلبومین در گروه مضطرب پایین‌تر بود: ۳۹٫۲۵ در برابر ۴۰٫۶۶ گرم در لیتر. نمره درد پیش از عمل بر اساس مقیاس دیداری آنالوگ تفاوت معناداری بین دو گروه نداشت و به‌ترتیب ۳٫۸۱ و ۳٫۵۹ بود.
در مقابل، شاخص‌های روان‌شناختی و اجتماعی تفاوت روشن‌تری نشان دادند. میانگین نمره مقیاس تاب‌آوری کانرـ‌دیویدسون (CD-RISC) در گروه دارای اضطراب ۴۸٫۶۶ و در گروه فاقد اضطراب ۶۴٫۳۶ بود. نمره مقیاس چندبعدی حمایت اجتماعی ادراک‌شده (MSPSS) نیز به‌ترتیب ۴۸٫۰۵ و ۵۷٫۸۰ گزارش شد. در مقیاس ترس از جراحی (SFQ)، میانگین نمره گروه مضطرب ۱۱٫۴۷ و گروه دیگر ۸٫۰۸ بود. همه این تفاوت‌ها از نظر آماری معنادار بودند و مقدار p در هر سه مورد کمتر از ۰٫۰۰۱ بود. شاخص ضعف جسمانی نیز در گروه مضطرب بالاتر بود و به ۰٫۲۶ در مقایسه با ۰٫۲۰ می‌رسید. همچنین، هنگام بستری فقط در ۳۲٫۹ درصد از موارد دارای اضطراب، افراد آشنا و نزدیک در کنار بیمار حضور داشتند؛ این نسبت در سایر موارد ۵۳٫۶ درصد بود.
متغیرهای مطالعه بر اساس چارچوب زیستی‌ـ‌روان‌شناختی‌ـ‌اجتماعی دسته‌بندی شدند. آسیب‌پذیری جسمانی با شاخص ضعف جسمانی و معیارهای بیماری‌های همراه، عوامل روان‌شناختی با تاب‌آوری و ترس از جراحی، و زمینه اجتماعی با حمایت اجتماعی ادراک‌شده و حضور افراد آشنا هنگام بستری سنجیده شد. متغیرهای بالینی استخراج‌شده از پرونده الکترونیکی شامل سن، جنسیت، شاخص توده بدنی، هموگلوبین، آلبومین، شاخص همبودی چارلسون، درجه‌بندی انجمن متخصصان بیهوشی آمریکا، فاصله زمانی آسیب تا بستری، سابقه جراحی و بیهوشی و نمره درد پیش از عمل بودند. اطلاعات اداری مانند ترتیب پرونده، زمان ورود به اتاق عمل و شناسه‌ها، و همچنین خود متغیر پیامد، از تحلیل کنار گذاشته شدند. در نهایت، ۳۲ متغیر عددی به‌عنوان عوامل پیش‌بینی‌کننده بالقوه باقی ماندند. هیچ‌یک از مقادیر پیامد یا متغیرهای پیش‌بینی‌کننده ناقص نبود؛ بنابراین، روش جای‌گذاری میانه که در خط لوله تحلیلی حفظ شده بود، عملاً هیچ داده‌ای را جایگزین نکرد.
طراحی اعتبارسنجی با رویکردی محافظه‌کارانه انجام شد. برای کاهش تعداد ویژگی‌ها، از رگرسیون لجستیک با روش حداقل‌سازی مجموع قدرمطلق ضرایب (LASSO) استفاده شد و پارامتر معکوس‌سازی منظم‌سازی در هر بخش آموزشی داخلی تنظیم شد. کل فرایند انتخاب ویژگی نیز به‌طور مستقل در هر یک از پنج فولد بیرونی تکرار شد تا یک مجموعه ثابت از ویژگی‌ها از ابتدا بر تمام تحلیل تحمیل نشود.
در هر خط لوله داخلی، استانداردسازی داده‌ها و روش بیش‌نمونه‌گیری مصنوعی اقلیت (SMOTE) نیز پیش از برازش مدل از نو انجام شد تا عدم توازن تعداد نمونه‌های دو گروه مدیریت شود. اعتبارسنجی بیرونی با روش اعتبارسنجی متقاطع گروهی و طبقه‌بندی‌شده پنج‌فولد صورت گرفت و شناسه بیمار به‌عنوان متغیر گروه‌بندی به کار رفت. به این ترتیب، داده‌های مربوط به یک بیمار نمی‌توانستند هم‌زمان در مجموعه آموزش و آزمون قرار بگیرند. در هر مجموعه آموزشی بیرونی، حدود ۷۵ درصد پرونده‌ها برای برازش مدل و ۲۵ درصد برای کالیبراسیون سیگموئیدی پلات (Platt) استفاده شدند. در هر فولد، ابرپارامترها با بررسی ۱۸ ترکیب تصادفی تنظیم شدند. فولد آزمون بیرونی در هیچ مرحله‌ای از پیش‌پردازش، انتخاب ویژگی، بازنمونه‌گیری، تنظیم مدل یا کالیبراسیون دخالت داده نشد.
تفاوت عملکرد سه الگوریتم اندک بود و از نظر آماری نمی‌شد آن‌ها را از یکدیگر متمایز کرد. جنگل تصادفی با AUC برابر با ۰٫۹۳۲، بالاترین برآورد نقطه‌ای را به دست آورد؛ فاصله اطمینان ۹۵ درصد آن از ۰٫۹۰۰ تا ۰٫۹۵۹ بود. پس از آن، LightGBM با AUC برابر با ۰٫۹۲۸ و فاصله اطمینان ۰٫۸۹۴ تا ۰٫۹۵۷ قرار گرفت و XGBoost نیز به AUC برابر با ۰٫۹۲۱ با فاصله اطمینان ۰٫۸۸۵ تا ۰٫۹۵۳ رسید.
مقایسه‌های بوت‌استرپ زوجی برای اختلاف AUC در همه موارد شامل صفر بود. اختلاف جنگل تصادفی و XGBoost برابر با ۰٫۰۱۱ بود و فاصله اطمینان ۹۵ درصد آن از منفی ۰٫۰۱۱ تا ۰٫۰۳۳ امتداد داشت. اختلاف LightGBM و XGBoost برابر با ۰٫۰۰۷، با فاصله اطمینان منفی ۰٫۰۱۳ تا ۰٫۰۲۹ بود. اختلاف LightGBM و جنگل تصادفی نیز منفی ۰٫۰۰۴ برآورد شد و فاصله اطمینان آن از منفی ۰٫۰۲۷ تا ۰٫۰۱۹ بود. امتیاز بریر (Brier score) مدل‌ها نیز در محدوده باریک ۰٫۰۹۶ تا ۰٫۰۹۹ قرار داشت.
در مدل جنگل تصادفی، عرض از مبدأ کالیبراسیون ۰٫۰۴۱ بود و فاصله اطمینان ۹۵ درصد آن از منفی ۰٫۳۲۵ تا ۰٫۳۸۶ به دست آمد. شیب کالیبراسیون نیز ۱٫۰۱۷ بود و فاصله اطمینان آن از ۰٫۶۹۰ تا ۱٫۵۷۱ امتداد داشت. شاخص‌های کالیبراسیون دو مدل XGBoost و LightGBM نیز به همین ترتیب با کالیبراسیون قابل‌قبول سازگار بودند، هرچند فاصله‌های اطمینان گسترده‌ای داشتند. به گفته نویسندگان، هم‌پوشانی فاصله‌های اطمینان و نتایج مقایسه‌های زوجی، برتری هیچ‌یک از الگوریتم‌ها را در این مجموعه داده تأیید نمی‌کند.
فرایند انتخاب ویژگی نشان داد که شاخص‌های روان‌شناختی و اجتماعی از پایداری بالایی برخوردارند. ویژگی‌های CD-RISC، MSPSS و SFQ در هر پنج فولد بیرونی و برای هر سه مدل به‌وسیله LASSO انتخاب شدند. شاخص ضعف جسمانی نیز برای هر مدل در سه فولد از پنج فولد حفظ شد.
نمره درد پیش از عمل، با وجود آنکه در مقایسه اولیه دو گروه تفاوت معناداری نداشت، در سه فولد از پنج فولد مدل‌های XGBoost و LightGBM و در دو فولد از پنج فولد جنگل تصادفی انتخاب شد. پژوهشگران این نتیجه را نشانه‌ای از آن می‌دانند که درد در برخی شرایط و با در نظر گرفتن سایر متغیرها، اطلاعات بیشتری به مدل اضافه می‌کند؛ اما این یافته به‌تنهایی اثبات‌کننده ارتباط مستقل درد با اضطراب نیست.
تحلیل TreeSHAP روی پیش‌بینی‌های خارج از فولد مدل XGBoost نشان داد که CD-RISC، MSPSS، SFQ و شاخص ضعف جسمانی چهار عامل اصلی بر اساس میانگین قدرمطلق سهم آن‌ها در خروجی مدل بودند. مقادیر بالاتر تاب‌آوری و حمایت اجتماعی عموماً سهم منفی داشتند و احتمال برآوردشده اضطراب را کاهش می‌دادند. در مقابل، مقادیر بالاتر ترس از جراحی و، با ثبات کمتر، مقادیر بالاتر ضعف جسمانی سهم مثبت داشتند. نویسندگان هشدار می‌دهند که مقادیر SHAP رفتار مدل را توصیف می‌کنند و نباید آن‌ها را معادل اثرات علّی یا تأیید اعتبار بالینی دانست.
در یک تحلیل اکتشافی، احتمال‌های پیش‌بینی‌شده خارج از فولد در مدل جنگل تصادفی برای تقسیم موارد بستری به سه گروه احتمالی به کار رفتند. در گروه با احتمال پایین، هیچ‌یک از ۹۱ مورد بستری دارای اضطراب مشاهده‌شده نبودند؛ این نسبت صفر درصد بود و فاصله اطمینان ۹۵ درصد آن از صفر تا ۴٫۱ درصد به دست آمد. در گروه میانی، ۱۳ مورد از ۹۰ مورد، معادل ۱۴٫۴ درصد، اضطراب داشتند و فاصله اطمینان ۹۵ درصد از ۸٫۶ تا ۲۳٫۲ درصد بود. در گروه با احتمال بالا، ۶۶ مورد از ۹۰ مورد، معادل ۷۳٫۳ درصد، دچار اضطراب بودند و فاصله اطمینان ۹۵ درصد از ۶۳٫۴ تا ۸۱٫۴ درصد گزارش شد.
دامنه احتمال‌های پیش‌بینی‌شده در گروه پایین از ۰٫۰۰۰۰ تا ۰٫۰۴۳۵، در گروه میانی از ۰٫۰۴۳۸ تا ۰٫۳۶۸۷ و در گروه بالا از ۰٫۳۶۸۸ تا ۱٫۰۰۰۰ بود. پژوهشگران تأکید می‌کنند که این سه گروه، توصیفی وابسته به نمونه از ترتیب طبقه‌بندی داخلی مدل هستند و نباید آن‌ها را آستانه‌های بالینی اعتبارسنجی‌شده تلقی کرد. برای برآورد عدم‌قطعیت در تحلیل منحنی تصمیم و نتایج مربوط به سه گروه احتمالی نیز از ۲۰۰۰ بازنمونه‌گیری بوت‌استرپ خوشه‌ای در سطح بیمار استفاده شد.
نویسندگان چند محدودیت مهم را برای این مطالعه برشمرده‌اند. پژوهش به‌صورت گذشته‌نگر و در یک مرکز انجام شد و تنها ۷۹ مورد اضطراب در آن ثبت شده بود. تعداد محدود رویدادها، در کنار عدم توازن گروه‌ها و کالیبراسیون جداگانه در هر فولد، می‌تواند حتی با وجود اعتبارسنجی تودرتو باعث باقی‌ماندن خطر بیش‌برازش شود.
در پرونده‌های منبع، زمان ثبت هر یک از متغیرهای پیش‌بینی‌کننده به‌طور جداگانه و برای همه موارد حفظ نشده بود. افزون بر این، HADS-A و چند شاخص روانی‌ـ‌اجتماعی در همان مرحله ارزیابی پیش از عمل جمع‌آوری شده بودند؛ بنابراین، مدل‌ها نمی‌توانند مشخص کنند که این متغیرها در یک زمان تصمیم‌گیری آینده نیز در دسترس خواهند بود. تغییر توزیع داده‌ها در محیط‌های دیگر، کالیبراسیون در زیرگروه‌های مختلف و سوگیری الگوریتمی نیز ارزیابی نشدند. هیچ‌یک از مدل‌ها تاکنون در مراکز دیگر یا در مطالعات آینده‌نگر آزموده نشده‌اند.
در نتیجه، یافته‌ها هنوز سودمندی بالینی مدل‌ها، بهبود روند کار پرستاری یا منفعت آن‌ها برای بیماران را اثبات نمی‌کنند. پژوهشگران توصیه می‌کنند مطالعات آینده از داده‌های آینده‌نگر با برنامه‌ای از پیش تعیین‌شده برای زمان در دسترس قرارگرفتن متغیرهای پیش‌بینی‌کننده استفاده کنند، نمره‌های کلی و پاسخ‌های تک‌تک پرسش‌های HADS-A را نگه دارند، کالیبراسیون و قدرت تفکیک مدل‌ها را در مراکز مستقل اعتبارسنجی کنند، عملکرد در زیرگروه‌ها و سوگیری الگوریتمی را بسنجند و بررسی کنند که آیا ارزیابی ساختاریافته پرستاری با کمک این مدل‌ها می‌تواند پیامدهای مرتبط با بیمار را بهبود دهد یا خیر. تا زمان انجام چنین پژوهش‌هایی، به گفته نویسندگان، ارزیابی ساختاریافته باید همچنان بر غربالگری معتبر اضطراب و قضاوت بالینی تکیه داشته باشد.
موضوع پژوهش: طبقه‌بندی اضطراب پیش از عمل در بیماران دچار شکستگی گردن استخوان ران با استفاده از یادگیری ماشین توضیح‌پذیر.
عنوان مقاله پژوهشی: مدل‌های یادگیری ماشین توضیح‌پذیر برای طبقه‌بندی اضطراب پیش از عمل در بیماران دچار شکستگی گردن استخوان ران: یک مطالعه کوهورت گذشته‌نگر.
منبع مقاله: Zhang, X., Zheng, S., Zhang, Z., Yang, P., Wei, Q., Jin, M., & He, F. (2026). Explainable Machine Learning Models for Classifying Preoperative Anxiety in Patients With Femoral Neck Fractures: A Retrospective Cohort Study. Nursing Open, 13(10)، مقاله e70919. https://doi.org/10.1002/nop2.70919
اعتبار تصویر: تولیدشده با هوش مصنوعی.
شناسه دیجیتال مقاله (DOI): 10.1002/nop2.70919
کلیدواژه‌ها: یادگیری ماشین، اضطراب پیش از عمل، شکستگی گردن استخوان ران، XGBoost، جنگل تصادفی، LightGBM، SHAP، اعتبارسنجی متقاطع تودرتو، HADS-A، مدل زیستی‌ـ‌روان‌شناختی‌ـ‌اجتماعی، ضعف جسمانی، پرستاری.
منبع خبر: گلن ویلکینز، ۲۶ اکتبر ۲۰۲۶، «یادگیری ماشین اضطراب پیش از جراحی را در بیماران دچار شکستگی لگن شناسایی می‌کند»، Scienmag.