乳がんの生存者の自己効能を予測する機械学習アプローチ

科学分野:

• 腫瘍学
• 健康心理学
• データサイエンス

背景:

• 乳がんの生存率は 患者の健康管理に対する自信に影響を与える ユニークな課題です
• 自己効能は 癌の生存者の効果的な対処と 治療法の遵守に不可欠です

研究 の 目的:

• 乳がんの生存者の自己効能性の 重要な予測要因を特定する
• 自己効能が低いリスクの高い患者グループを特定し,標的を絞った介入を可能にします.

主な方法:

• トルコの3つの病院で 430人の乳がん生存者を対象とした記述的研究です.
• 乳がん生存者自己有効性スケールと患者の身分証明書を用いた対面調査で収集されたデータ.
• 4つの機械学習モデル (ロジスティック・リグレッション,ランダム・フォレスト,サポート・ベクター・マシン,XGBoost) を用いて予測を分析した.

主要な成果:

• ロジスティック・リグレッションモデルは最高性能を示した (AUC=0. 715).
• 教育レベルは複数のモデルで主要な予測因子として現れ,自己有効性に大きな影響を与えた.
• 癌のステージと併発性も,自己有効性レベルに関連する重要な要因として特定されました.

結論:

• 社会統計学的および医学的な特徴は,乳がんの生存者の自己有効性を有意に予測します.
• これらの発見は,自己有効性に関して脆弱な特定の患者サブグループを強調しています.
• 医療従事者はこれらの洞察を活用して 乳がんの生存者に対する サポートケア戦略を策定できます