Falko Heitzer (Mülheim an der Ruhr; Duisburg; Essen), Dr. Dominik Raab (Duisburg), Dr. Constantin Mayer (Mülheim an der Ruhr), Jin Cheng Liaw (Duisburg), Dr. Francisco Geu Flores (Duisburg), Prof. Wojciech Kowalczyk (Duisburg), Prof. Andrés Kecskeméthy (Duisburg), Prof. Marcus Jäger (Mülheim an der Ruhr; Essen)
Abstract-Text (inkl. Referenzen und Bildunterschriften)
Einleitung
Orthopädische Scores stellen eine weit verbreitete Möglichkeit zur Bewertung des Gesundheitszustandes und Operationserfolges dar, die jedoch subjektiv geprägt ist und einem erfahrenen Kliniker bedarf [1][2].
Ziele
Durch Methoden zur instrumentellen Bewegungsanalyse und modellbasierten Vorhersage werden neue Perspektiven geschaffen, um das Assessment zu automatisieren und objektivieren [3]. Eine präzise Vorhersage der orthopädischen Scores kann Kliniker entlasten und neue Möglichkeiten im personalisierten Gesundheitswesen hervorbringen.
Materialien & Methoden
19 Patienten mit künstlichem Gelenkersatz wurden Ø 5.3 Monate postoperativ einer klinischen Nachuntersuchung unterzogen (Score Erhebung: Harris Hip Score (HHS) oder Knee Society Score – knee score (KSS-ks); instrumentelle Ganganalyse). Anhand eines repräsentativen Gangzyklus jedes Patienten und dem vortrainierten Modell aus [3] wurde der jeweilige instrumentelle Score (iHHS oder iKSS-ks) berechnet. Zur Untersuchung der Vorhersagegenauigkeit werden Parameter der deskriptiven Statistik und die Interrater Abweichung, wie in [2] beschrieben, herangezogen.
Ergebnisse
Nach Cohen kann ein kleiner und großer monotoner Zusammenhang festgestellt werden (Abb. 1: Spearman"s rho).
Auf Basis des 95% Referenzintervalls erzielt die Vorhersage für spät postoperativ vermessenen Patienten einen Score innerhalb von 17.5 (HHS) bzw. 19.0 (KSS-ks) Punkten Abweichung vom tatsächlichen Score, wobei in Abb. 2 erkennbar ist, dass die instrumentelle Vorhersage die Pateinten in nahezu allen Fällen mit einem geringeren Score bewertet.
Zusammenfassung
Die Genauigkeit der Vorhersage liegt im Bereich der Messvarianz durch unterschiedliche Bewerter (Liow [2]), bietet jedoch im Vergleich zu den in [3] erzielten Ergebnissen, für kurz post-OP vermessene Patienten, noch ein immenses Verbesserungspotential des Modells. Ein besser generalisiertes Vorhersagemodell in Kombination mit innovativen Systemen zur mobilen Bewegungserfassung könnte Kliniker entlasten und neue Möglichkeiten im personalisierten Gesundheitswesen schaffen.
Quellen
[1] Söderman P, et al. DOI: 10.1097/00003086-200103000-00022.
[2] Liow R. YL, et al. DOI: 10.1080/000164700317362244.
[3] Raab D, et al. DOI: 10.1007/s00264-022-05670-0.