ChiCTR2600126739尚未招募Unknown
基于机器学习的骨质疏松脆性骨折预测模型的研究
自选课题（自筹）1 个研究点 分布在 1 个国家目标入组 1,147 人开始时间: 2026年6月15日最近更新:
适应症
试验速览
- 阶段
- Unknown
- 状态
- 尚未招募
- 发起方
- 入组人数
- 1,147
- 试验地点
- 1
- 主要终点
- 实验室生化检测指标
研究概览
简要总结
主要目的：构建与优化骨质疏松性脆性骨折预测的机器学习模型：基于本中心收集的、具有明确低能量损伤史的住院患者的临床真实世界数据，分别构建支持向量机（SVM）、随机森林（Random Forest）、XGBoost、LightGBM 及 CatBoost 等多种机器学习预测模型。通过对模型参数进行优化与训练，旨在建立一个能够有效预测此类患者发生骨质疏松性骨折（结局变量：根据临床影像学诊断定义的二分类变量，骨折=1，非骨折=0）风险的最优模型。次要目的：筛选关键预测特征：应用特征选择算法（如 SelectKBest），从收集的基线特征（如年龄、性别、身高、体重）、生化指标（如红细胞分布宽度（RDW-SD）、单核细胞百分比等）及骨密度测量值（腰椎 T 值、髋部 T 值）中，识别并量化对低能量损伤后骨折结局最具预测价值的关键临床变量。
研究设计
- 研究类型
- Observational
入排标准
- 性别
- All
入选标准
- •1.住院期间完成腰椎及髋部骨密度检测，明确诊断为骨质疏松症者；
- •2.有明确低能量损伤暴露史；
- •3.临床资料（身高、体重、性别、年龄）、相关生化检查（红细胞分布宽度 (SD)、单核细胞百分比等）及骨密度数据完整度≥70%（符合数据清洗要求）；
排除标准
- •骨折类型排除（非脆性骨折）
- •高能量创伤骨折：车祸、高处坠落、重物砸伤等导致的骨折
- •病理性骨折：骨肿瘤、骨转移癌、多发性骨髓瘤、畸形性骨炎（Paget 病）、骨结核等引发
- •继发性骨质疏松骨折：长期激素治疗（≥3 个月）、甲状旁腺功能亢进、库欣综合征、慢性肾病 / 肝病、类风湿关节炎等明确继发因素；
- •基础疾病与状态排除 严重心、肺、肝、肾功能衰竭，恶性肿瘤晚期，预期生存期＜12 个月 精神疾病、认知障碍、长期卧床 / 瘫痪；
- •数据与研究可行性排除 临床资料严重缺失（核心变量：年龄、性别、骨密度、骨折史、关键用药缺失） 随访失联、数据造假 / 异常值无法校正 同时参与其他干扰本研究的临床干预试验；
研究组 & 干预措施
Case series
结局指标
主要结局
实验室生化检测指标
药物暴露测量指标
临床病史采集指标
骨密度定量测量指标
人体测量学指标
次要结局
未报告次要终点
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
骨质疏松性骨折的风险因素分析及精准预测模型构建骨质疏松症ChiCTR2500113541国家自然科学基金（Nos. 81770880, 81970762, 81800788）
Unknown
不适用
骨质疏松性骨折风险预测模型研究原发性骨质疏松症ChiCTR2600116972北京大学深圳医院未来医师科学家项目
尚未招募
Unknown
椎体骨折自动化检测对 QCT 骨质疏松测量准确性的影响：基于回顾性数据的诊断效能研究骨质疏松ChiCTR2600125482自筹800
Unknown
不适用
X 线辅助下脊柱骨质疏松性骨折的人工智能诊断：一项多中心前瞻性诊断试验研究脊柱骨质疏松性骨折ChiCTR2500104748深圳市高水平医院建设项目深圳市第二人民医院院级临床研究项目
尚未招募
Unknown
骨质疏松性椎体骨折辅助智能诊断系统的建立和临床应用骨质疏松ChiCTR2300069433课题支持