无监督集群分析揭示了ME/CFS患者的不同亚型,基于峰值氧气消耗和SF-36得分
Marcos Lacasa1, Patricia Launois2, Ferran Prados3
1e-Health Center, Universitat Oberta de Catalunya, Barcelona, Spain.
Clinical therapeutics
|October 6, 2023
概括
在心肺运动测试 (CPET) 中测量的氧气消耗可以作为肌痛性脑筋炎/慢性疲劳综合征 (ME/CFS) 的生物标志物. 使用SF-36问卷对患者的分类与基于CPET的氧气消耗水平相关.
科学领域:
- 生物标志物 生物标志物
- 慢性疾病 慢性疾病
- 运动生理学 运动生理学
背景情况:
- 肌痛性脑筋炎/慢性疲劳综合征 (ME/CFS) 是一种严重的,致残的慢性疾病.
- 客观的预后评估对于评估新的ME/CFS治疗方法至关重要.
- 确定ME/CFS可靠的生物标志物是一个持续的研究重点.
研究的目的:
- 证明氧气消耗是ME/CFS的有效生物标志物.
- 开发一种方法来使用SF-36问卷对ME/CFS患者进行分类.
- 通过基于SF-36反应的心肺运动测试 (CPET) 预测氧气消耗.
主要方法:
- 使用了两个数据集:2,347名ME/CFS患者的SF-36反应和239名ME/CFS患者的CPET结果.
- 开发了一个无监督的机器学习模型,以基于SF-36数据对患者进行集群.
- 使用韦伯峰值氧气消耗分类的CPET数据进行分类,并评估与奇平方测试的关系.
主要成果:
- 在韦伯分类 (基于氧气消耗) 和SF-36问卷得分之间发现了直接联系.
- 使用完整的SF-36响应矩阵的机器学习模型比使用子尺度 (p <0.05) 产生了更可靠的患者分类.
- 在CPET期间的峰值氧气消耗与来自SF-36得分的患者集群密切相关.
结论:
- 在CPET期间的低氧气消耗可以被认为是ME/CFS的生物标志物.
- 该研究确定了SF-36基于问卷的聚类和CPET衍生的韦伯分类之间的关系.
- 在机器学习模型中使用原始SF-36响应可以提高ME/CFS患者评估的数据保存和模型质量.
