预测儿科急性淋巴细胞白血病患者的延迟甲状腺除:通过多中心,回顾性分析开发的创新的基于Web的机器学习工具

科学领域:

• 在瘤学瘤学.
• 药理学 药理学是指药理学的学科.
• 生物统计学 生物统计学

背景情况:

• 高剂量的甲状腺素 (HD-MTX) 对于治疗儿科急性淋巴细胞白血病 (ALL) 是至关重要的.
• 延迟消除HD-MTX可能会导致ALL患者出现显著的不良事件.
• 密切监测HD-MTX消除对于有效和安全的治疗至关重要.

研究的目的:

• 确定与ALL患者晚期HD-MTX消除相关的关键风险因素.
• 开发和验证延迟MTX消除的预测模型.
• 为临床医生创建一个用户友好的工具来预测MTX代谢延迟.

主要方法:

• 使用单变量和LASSO回归来从患者数据中识别相关预测因素.
• 采用了四个机器学习算法 (包括XGBoost) 和不同的采样方法来构建预测模型.
• 使用AUROC,AUPR,灵敏度和特异性等指标评估模型性能.

主要成果:

• 确定了11个预测因素,包括患者人口统计数据,实验室值和联合药物.
• 使用SMOTE的XGBoost算法实现了0.897的AUROC和0.788.78的外部验证AUROC.
• 开发的预测工具在预测延迟的MTX消除方面表现出很高的准确性.

结论:

• 对于预测延迟的MTX消除,XGBoost算法非常有效.
• 开发了一种新的预测工具,以帮助医疗专业人员管理HD-MTX治疗.
• 这种工具可以帮助减轻与ALL患者延迟MTX消除相关的不良事件.