换一批基于机器学习方法构建骨肉瘤患者大剂量甲氨蝶呤排泄延迟预测模型
Prediction of delayed excretion of high-dose methotrexate in osteosarcoma patients based on the machine learning method
摘要目的:基于机器学习方法构建骨肉瘤患者大剂量甲氨蝶呤(high-dose methotrexate,HD-MTX)排泄延迟预测模型,并探索其相关危险因素.方法:回顾性收集2018年6月至2023年8月在东部战区总医院接受HD-MTX治疗并符合本研究纳入标准的80名骨肉瘤患者共255个周期数据.采用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)方法来筛选排泄延迟相关的患者特征,分别通过6种机器学习算法构建预测模型,并使用AUC、准确率、精确率等多个指标评估模型的性能.结果:LASSO回归分析确定了 10个预测特征指标,包括肌酐清除率(creatinine clearance,CrCl)、给药剂量、ALT、BMI、输注速率、水化值、MTHFR C677T基因多态性、性别、年龄、双膦酸盐合并用药情况.比较6种机器学习算法建立的模型性能指标,其中随机森林模型的预测能力最强[AUC为0.95,平均精确度(AP)0.79,准确率89.61％,精确率83.33％,召回率41.67％,F1值55.56％].结论:采用随机森林法建立的HD-MTX排泄延迟预测模型可提高临床使用HD-MTX患者的用药安全性,预防相关药物不良事件的发生.
更多相关知识
关键词
甲氨蝶呤骨肉瘤机器学习预测模型排泄延迟危险因素methotrexateosteosarcomamachine learningprediction modelexcretion delayrisk factors
分类号
R969.3（药理学）
栏目名称
DOI
10.13286/j.1001-5213.2025.08.09
发布时间
2025-05-29（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
