换一批可解释机器学习揭示预测针刺辅助美沙酮减量成功的关键剂量轨迹模式
Interpretable machine learning reveals key dose trajectory patterns predicting success of acupuncture-assisted methadone tapering
摘要背景:长期美沙酮维持治疗(MMT)需逐步减量以减轻不良反应,既往研究表明针刺可促进剂量递减并缓解阿片类药物渴求.尽管药物剂量参数在成瘾医学中具有重要临床价值,但早期门诊剂量数据对治疗效果的影响目前尚不明确.本研究旨在构建美沙酮减量预测模型,并分析历史剂量轨迹的临床价值.方法:分析了两项随机试验的数据(涉及中国六家MMT诊所的197 名患者),将受试者分为针刺组与假针刺组主要结局为包含美沙酮剂量减少和渴求评分变化的复合结局.通过聚类分析得出干预前的剂量轨迹,并与基线特征合并.训练了五种机器学习模型,并使用 SHAP 解释特征贡献.最后开展了将变化轨迹与针刺效果相关联的亚组分析.结果:美沙酮剂量数据被聚类为三个轨迹.模型训练包含来自 11 个变量的 9 个特征.CatBoost 模型在测试集上表现最佳(曲线下面积=0.7531,准确率=0.8205).SHAP 摘要图显示,美沙酮剂量减少的三个最具影响力的因素是干预类型、体重指数和剂量轨迹.亚组分析显示,在针刺治疗的第2周和第4周,轨迹类别2 的效果显著优于类别0(第2 周风险差异为 20.4%,P=0.015;第 4 周风险差异为 27.5%,P=0.013).结论:研究建立了一个基于轨迹的美沙酮维持治疗(MMT)剂量减少预测模型,并证明了历史轨迹的临床价值.针刺对呈现"先升后降"动态轨迹的患者表现出最为有利的辅助作用,这为推进个性化 MMT策略提供了依据.
更多相关知识
关键词
美沙酮维持治疗针刺机器学习轨迹分析预测模型AcupunctureMachine learningMethadone maintenance treatmentPredictive modelTrajectory analysis
栏目名称
DOI
10.1097/HM9.0000000000000177
发布时间
2026-02-02（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 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
