基于机器学习构建强直性脊柱炎患者使用生物制剂不依从性临床预测模型

Construction of a clinical prediction model for non-adherence to biologic therapy in ankylosing spondylitis pa-tients based on machine learning

二维码有效期 120s

摘要目的开发强直性脊柱炎(AS)生物制剂使用不依从性临床预测模型.方法收集2020年1月至2022年10月门诊及住院确诊AS患者共201例(共收集病例220例,脱落19例),以6个月后治疗覆盖时间比例作为不依从性判定标准.基于LASSO回归及支持向量机筛选特征变量因子并取交集.使用多变量logistic回归分析构建不依从性临床预测模型.通过C指数、受试者工作特征(ROC)曲线、校准图和临床决策曲线评估预测模型的预测能力及临床实用性.通过Adaboost算法及Lightgbm算法对构建的二分类模型进行验证,绘制ROC曲线及PR曲线验证模型预测能力.通过内部抽样构建验证集并使用C指数、校正曲线、ROC曲线进行验证.结果研究显示AS生物制剂使用不依从性为46.8％.机器学习结果取交集得到教育水平、月收入、焦虑程度、药物使用频次、疾病活动度、年龄6个特征变量作为构建预测模型的因子.该模型C指数为0.739,ROC曲线下面积为0.715.决策曲线分析表明该模型可以使约90％的患者受益.Adaboost算法显示ROC曲线下面积为0.643,PR曲线下面积为0.634;Lightgbm算法显示ROC曲线下面积为0.633,PR曲线下面积为0.676.内部验证结果显示C指数为0.755,ROC曲线下面积为0.733.结论基于6个特征变量构建的生物制剂不依从性临床预测模型,具有较高的预测能力及实用性,有助于及早发现依从性差的AS患者.