Development of a decision support system to predict physicians’ rehabilitation protocols for patients with knee osteoarthritis

Abstract

To design a medical decision support system (MDSS) that would accurately predict the rehabilitation protocols prescribed by the physicians for patients with knee osteoarthritis (OA) using only their demographic and clinical characteristics. The demographic and clinical variables for 170 patients receiving one of three treatment protocols for knee OA were entered into the MDSS. Demographic variables in the model were age and sex. Clinical variables entered into the model were height, weight, BMI, affected side, severity of knee OA, and severity of pain. All patients in the study received one of three treatment protocols for patients with knee OA: (a) hot packs, followed by electrotherapy and exercise, (b) ice packs, followed by ultrasound and exercise and (c) exercise alone. The resilient back propagation artificial neural network algorithm was used, with a ten-fold cross-validation. It was estimated that the MDSS is able to accurately predict the treatment prescribed by the physician for 87% of the patients. We developed an artificial neural network-based decision support system that can viably aid physicians in determining which treatment protocol would best match the anthropometric and clinical characteristics of patients with knee OA. Ziel der vorliegenden Studie war die Konzipierung eines Systems zur Unterstützung von medizinischen Entscheidungen (MDSS), das Ärzten die akkurate Prognose der bei Patienten mit Gonarthrose verordneten Rehabilitation nur anhand ihrer demographischen und klinischen Eigenschaften erlaubt. Die demographischen und klinischen Variablen von 170 Patienten, die eine von drei Behandlungen für die Gonarthrose erhielten, wurden in das MDSS übertragen. Die demographischen Variablen in dem Modell waren Alter und Geschlecht. Die in das Modell übertragenen klinischen Variablen waren Körpergröße, Körpergewicht, BMI, betroffene Seite, Schweregrad der Gonarthrose und Schweregrad der Schmerzen. Alle Studienteilnehmer erhielten eine von drei Behandlungen für Patienten mit Gonarthrose: (a) Wärmebehandlung, gefolgt von Elektrotherapie und Krankengymnastik, (b) Kälte-Sofortkompressen, gefolgt von Ultraschall und Krankengymnastik, und (c) Krankengymnastik als Monotherapie. Angewandt wurde ein künstliches neuronales Netz auf der Basis des belastbaren Backpropagation-Algorithmus mit einer zehnfachen Kreuzvalidierung. Schätzungen zufolge kann das MDSS die ärztlich verordnete Therapie bei 87% der Patienten akkurat prognostizieren. Wir haben ein künstliches neuronales netzbasiertes System zur Entscheidungsunterstützung entwickelt, das Ärzten bei der Ermittlung des besten Behandlungsprotokolls im Einklang mit den anthropometrischen und klinischen Eigenschaften von Patienten mit Gonarthrose hilft. El objetivo de este estudio fue diseñar un sistema de soporte a la decisión médica (MDSS, por sus siglas en inglés) que pueda predecir de forma precisa los protocolos de rehabilitación recetados por los médicos a los pacientes con osteoartritis de rodilla (OR), utilizando únicamente sus características demográficas y clínicas. En el MDSS se introdujeron las variables demográficas y clínicas de 170 pacientes que estaban siendo sometidos a tres protocolos de tratamiento de OR. Las variables demográficas del modelo fueron la edad y el sexo. Las variables clínicas fueron la altura, el peso, el IMC, el lado afectado, la gravedad de la OR y el grado de dolor. Todos los pacientes que participaron en el estudio recibieron uno de estos tres protocolos de tratamiento para pacientes con OR: (a) la aplicación de compresas calientes, seguida por electroterapia y ejercicio, (b) la aplicación de compresas frías, seguida por ultrasonidos y ejercicio, y (c) solamente ejercicio. Se utilizó el algoritmo de red neuronal artificial con propagación hacia atrás, con una validación cruzada de diez subconjuntos. Se observó que el MDSS es capaz de predecir de forma precisa el tratamiento recetado por el médico al 87% de los pacientes. Para este estudio se desarrolló un sistema de soporte a la decisión médica basado en una red neuronal artificial que puede ser de gran utilidad para los médicos a la hora de determinar qué protocolo de tratamiento sería el adecuado según las características clínicas y antropométricas de los pacientes con OR. Cette étude avait pour objet de concevoir un système soutien à la décision médicale (SSDM) capable de prédire avec précision les protocoles de rééducation prescrits par les médecins pour les patients souffrant d'ostéoarthrite du genou (OG) en utilisant uniquement leurs caractéristiques démographiques et cliniques. Les variables démographiques et cliniques de 170 patients recevant l'un des trois protocoles de traitement de l'ostéoarthrite du genou ont été saisies dans le SSDM. Les variables démographiques du modèle étaient l'âge et le sexe. Les variables cliniques introduites dans le modèle étaient la taille, le poids, l'IMC, le côté affecté, la sévérité de l'ostéoarthrite du genou et la gravité de la douleur. Tous les patients de l'étude ont reçu l'un des trois protocoles de traitement pour les patients atteints d'ostéoarthrite du genou: (a) enveloppements chauds/sacs thermochimiques, suivis par électrothérapie et exercice, (b) pacs réfrigérants/cryosacs, suivis par échographie et exercice, et (c) exercice seul. Un algorithme à réseau neuronal par rétropropagation élastique résiliente a été employé, avec validation croisée dix fois. Il a été estimé que le SSDM était capable de prédire avec précision le traitement prescrit par le médecin dans 87 % des cas. Nous avons développé un système d'assistance à la décision à réseau neuronal artificiel qui peut aider les médecins de façon viable pour déterminer le protocole de traitement correspondant le mieux aux caractéristiques anthropométriques et cliniques des patients atteints d'ostéoarthrite du genou.