骨肉瘤患者肺转移的临床模型:一种新的基于多重机器学习的风险预测模型
Zhiping Su1, Feihong Huang1, Chunyue Yin2
1Department of Radiation Oncology, Guangxi Medical University Cancer Hospital, Nanning, China.
Journal of orthopaedic surgery (Hong Kong)
|June 8, 2023
概括
一个新的临床预测模型确定了骨髓瘤瘤 (OS) 患者肺转移的关键指标. 这种工具有助于临床医生预测转移风险,从而实现个性化治疗和改善患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 肺转移是骨髓瘤 (OS) 的关键预后因素.
- 精确预测转移对于指导治疗和改善患者的治疗结果至关重要.
- 现有的模型可能缺乏全面的临床指标来评估转移风险.
研究的目的:
- 开发和验证一个临床预测模型的肺转移在骨髓瘤患者的肺转移.
- 在人口队列中确定肺转移的独立预测因子.
- 评估模型的性能和用于个性化诊断和治疗的临床实用性.
主要方法:
- 分析了612名骨髓瘤患者的数据,收集了103个临床指标.
- 患者被随机分为训练 (n=317) 和验证 (n=107) 队列.
- 使用后勤回归,LASSO和多变量分析来识别风险因素,随后使用C指数,校准曲线,ROC,DCA和CIC进行名录构造和验证.
主要成果:
- 肺转移的独立预测因子被确定为N阶段,性酸酶 (ALP),甲状腺刺激激素 (TSH) 和自由三甲状腺素 (FT3).
- 通过结合这些预测因素构建了一个名图,证明了良好的预测能力 (AUC=0.701在训练中,0.786在验证中).
- 决策曲线分析证实了诺米克的临床价值和净益处.
结论:
- 开发的诺米图有效预测骨髓瘤患者的肺转移风险,使用可访问的临床指标.
- 这个模型可以帮助临床医生做出更个性化的治疗决策.
- 改进转移的预测可以使骨髓瘤患者的预后更好.
