過剰体重または肥満に対するセマグルチドの開始後に,自己報告,デジタルで収集された,現実世界のデータを用いて長期的な体重減少を予測する

科学分野:

• 薬理学と内分泌学について
• デジタルヘルスケアと患者サポート
• データサイエンスと予測モデリング

背景:

• 個人の体重の変化を予測することは,効果的な体重管理に不可欠です.
• デジタル患者サポートプログラム (PSP) の現実世界のデータは,貴重な洞察を提供します.
• 皮膚下セマグルチドは,体重管理のための治療法です.

研究 の 目的:

• 臨床試験から開発された暴露反応体重予測アルゴリズムが,実際のセマグルチド使用者の長期的な体重変化を予測できるかどうかをテストする.
• デジタルPSPからの自己報告データを使用してアルゴリズムを検証します.
• 体重減少を6ヶ月と12ヶ月で予測するアルゴリズムのパフォーマンスを評価する.

主な方法:

• セマグルチド曝露-反応重量予測モデルを,アプリベースのPSPからの実際のデータに適用しました.
• モデル変数として,ベースラインの性別と体重,自己報告の投与量と治療中の体重を使用した.
• モデルの予測を自己報告の体重と比較し,カテゴリ的な体重減少のための曲線下の面積 (AUC) を計算することによって予測の精度を評価しました.

主要な成果:

• この研究には1797人の使用者が含まれており,平均ベースライン体重は105kgでした.
• 6ヶ月のシナリオでは,体重減少を予測するためのモデルが低バイアス (0.7-1.4kg) と高精度 (AUC 0.74-0.95) を示した.
• 12ヶ月のシナリオでは,ユーザーは平均21% (22.0kg) を失い,同様の低バイアス (-0.6〜0.6kg) と高い予測精度 (AUC 0.75-0.92) を有しました.

結論:

• 曝露-応答重量予測アルゴリズムは,現実世界,自己報告データに成功裏に適用されました.
• このような予測要因をデジタルPSPに統合することで,患者と医療従事者が減量管理に役立ちます.
• この発見は,体重管理の治療目標の設定とモニタリングのための予測アルゴリズムの使用を支持する.