臨床環境における多変数成長混合モデルを用いた確率論的クラスタリング - A スクレロダーマ例

科学分野:

• 免疫学 免疫学とは
• レウマトロジーの病理学
• 肺病理学 肺病理学とは

背景:

• 軟骨硬化症 (全身性硬化症,SSc) は,臓器システム全体で変化する進行を伴う異質な自己免疫疾患である.
• 患者の正確な階層化は,臨床ケアを指導し,SScの管理に不可欠です.
• 病気の軌道を理解することは,結果を予測し,治療法を調整するのに役立ちます.

研究 の 目的:

• SScの患者を臨床的に有意義なサブ集団に分類する.
• ベースラインの特徴と疾患の進行パターンを基にリアルタイム分類フレームワークを開発する.
• 病気の急速な進行のリスクのある患者を特定することによって,臨床ケアを指導する.

主な方法:

• 肺機能の軌道を分析するために,ベイジアン多変量成長混合モデルを使用した.
• 強制生命能力 (FVC) と一酸化炭素の拡散能力 (DLCO) は,289人のSSc患者で共同でモデル化されました.
• 縦断データを用いて患者のサブグループ確率を順次更新するためのフレームワークが開発されました.

主要な成果:

• 2つの異なる患者のサブグループが特定されました:a.
• 安定した安定した安定した安定した
• グループ (n=150) は,10年間で肺機能の変化が最小であった.
• A. A. A. A. でした.
• プログレッサーまたはプログレッサー
• グループ (n=139) は,疾患発症直後のFVCとDLCOの有意な低下を示した.
• アルゴリズムは,ベースラインデータと縦断のFVC/DLCO測定を使用して,プログレッサーグループに属する確率を計算します.

結論:

• 開発された方法は,急速な進行のためのベースライン確率の計算を可能にし,患者データの蓄積によって順次更新されます.
• このアプローチは,病気の急速な衰退を経験する可能性のある患者の早期発見を容易にする.
• 連続したデータ統合と分類は,SScにおける臨床的意思決定と患者のアウトカムを改善する可能性を秘めています.