换一批基于机器学习与SHAP的针刺干预美沙酮维持患者美沙酮减量的可解释性预测模型构建研究
Construction of interpretable predictive model of acupuncture for methadone reduction in patients undergoing methadone maintenance treatment based on machine learning and SHAP
摘要目的:建立一种美沙酮维持治疗(methadone maintenance treatment,MMT)减量预测模型,并采用沙普利加和解释(SHAP)方法评估不同干预措施及其他临床因素对美沙酮减量的影响.方法:对两项针刺干预MMT患者美沙酮减量的临床试验进行分析,收集患者的基线资料、MMT相关信息、干预方式、减量结局指标相关数据,采用支持向量机(SVM)、K最近邻(KNN)、逻辑回归(LR)、朴素贝叶斯(NB)、随机森林(RF)和CatBoost分类模型(CatBoost)6种机器学习算法和混合(Blending)、堆叠(Stacking)2种集成方法构建预测模型,并用SHAP方法对最优模型进行可解释性分析.结果:共251例MMT患者纳入研究,其中针刺组128例、非针刺组123例.CatBoost模型和Stacking集成方法在测试集上表现最优,CatBoost模型的准确率为0.780 0±0.060 8,精确率为0.500 0±0.120 0,召回率为0.818 2±0.140 2,F1分数为0.620 7±0.114 0,受试者工作特征曲线下面积(ROC-AUC)为0.857 8±0.140 2.影响针刺辅助MMT患者美沙酮减量的前5个重要特征为干预方式、体质量指数(BMI)、MMT时长、阿片类物质使用史和就业情况,其SHAP值分别为1.25、0.36、0.21、0.19和0.12.特征依赖图显示BMI、MMT时长和阿片类物质使用史与减量效果之间均呈现负相关.结论:可解释的预测模型为针刺辅助美沙酮减量治疗中需综合考虑临床因素提供了科学依据,有助于针刺临床美沙酮减量策略的改进和个性化减量方案的制定.
更多相关知识
关键词
美沙酮维持治疗针刺机器学习预测模型模型解释methadone maintenance treatmentacupuncturemachine learningpredictive modelmodel interpretation
栏目名称
DOI
10.13703/j.0255-2930.20250110-0002
发布时间
2025-10-24（万方平台首次上网日期，不代表论文的发表时间）
- 浏览6
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
