基于机器学习算法构建慢性阻塞性肺疾病吸入剂治疗患者不良吸入风险预警模型

Development of A Predictive Model for Adverse Inhalation Risk in COPD Inhaler Therapy Using Machine Learning Algorithms

二维码有效期 120s

摘要目的构建并验证接受吸入剂治疗的慢性阻塞性肺疾病(COPD)患者不良吸入的风险预测模型,为不良吸入的个体化预防提供决策支持工具.方法采用横断面研究,收集COPD吸入剂治疗患者相关数据,形成数据集.按4∶1 将数据集随机分为训练集和测试集,通过采用4 种不同的缺失值填补方法、3 种变量特征筛选方法以及18 种机器学习算法,在训练集上构建模型.在测试集中使用蒙特卡罗模拟法进行重采样,验证模型,以曲线下面积(AUC)、准确率、精准率、召回率和F1 值评估模型性能.选择最优模型用于构建不良吸入预测平台.结果共纳入 COPD患者308例,135 例(43.8%)存在不良吸入风险.根据 33 个特征变量构建了216 个风险预警模型,其中,集成学习算法的平均AUC最大,为0.844±0.058[95%CI=(0.843,0.845)].216 个模型在预测性能方面差异有统计学意义(P＜0.01).在集成学习算法下,吸入剂使用依从性(38.087 4%)、吸入剂满意度(25.680 1%)、教育水平(24.031 3%)、吸入剂数量(5.482 3%)、年龄(4.204 5%)和过去一年急性加重频次(2.184 7%)对预测模型贡献最大.该模型展现出良好的预测性能,其AUC 0.869 3、准确率83.87%、精准率86.96%、召回率74.07%、F1 值0.8.结论该研究构建的COPD吸入剂治疗患者不良吸入风险的预测模型预测能力良好,具有一定潜在临床应用价值.

作者周丽娟 ^[1] 温贤秀 ^[1] 吴海燕 ^[1] 蒋蓉 ^[1] 王旋 ^[1] 苟莉 ^[1] 吕琴 ^[2] 张丁丁 ^[3] 黄茜 ^[4] 吴行伟 ^[5] 学术成果认领

作者单位电子科技大学附属医院·四川省人民医院护理部/护理研究中心,成都 610072 ^[1] 电子科技大学附属医院·四川省人民医院呼吸与危重症医学科,成都 610072 ^[2] 电子科技大学附属医院·四川省人民医院四川省遗传病重点实验室,成都 610072 ^[3] 四川省卫生健康委员会医政处,成都 610015 ^[4] 电子科技大学附属医院·四川省人民医院药学部,成都 610072;电子科技大学医学院,个体化药物治疗四川省重点实验室,成都 610072 ^[5]

关键词慢性阻塞性肺疾病吸入剂不良吸入机器学习预测模型 Chronic obstructive pulmonary disease(COPD)Inhalant Adverse inhalation Machine learning Predictive models

分类号 R974 R563

栏目名称 数智药学

DOI 10.3870/j.issn.1004-0781.2024.09.028

发布时间 2024-08-30

基金项目

国家自然科学基金 四川省科技厅计划项目 四川省老龄事业与产业发展研究中心课题