一种数据驱动的方法来对创伤性脊髓损伤患者进行分类:对多中心数据库的集群分析

科学领域:

• 神经科学是一个神经科学.
• 临床研究 临床研究
• 数据科学数据科学数据科学

背景情况:

• 由于患者异质性,创伤性脊髓损伤 (tSCI) 临床试验面临挑战.
• 确定临床上相似的子组对于个性化患者护理和综合性交付至关重要.
• 患者的人口统计和基线损伤特征是确定子组的关键因素.

研究的目的:

• 应用无监督的机器学习 (集群分析) 来识别TSCI患者的子组.
• 使用病因和结果变量确定子组内的临床相似性.
• 开发用于患者分类的多维标签.

主要方法:

• 从国家SCI注册册表前性收集的数据的回顾性分析.
• 在基线变量上使用的光谱聚类:损伤位置,严重程度,功能独立度量 (FIM) 运动得分,年龄和BMI.
• 结果变量 (FIM运动分数,变化,停留时间) 评估了子组内的临床相似性.

主要成果:

• 根据基线变量,从334名 tSCI 患者中确定了五个显著不同的子组 (p≤0.05).
• 排放时的结果变量显示了子组之间的统计学上显著差异 (p≤0.05).
• 结果支持确定的患者子组内的临床相似性.

结论:

• 集群分析在基线确定了五个临床上相似的 tSCI 患者子组.
• 这些数据驱动的子组与人口统计和损伤特征相关.
• 新型分类可以增强对STSI的个性化,以患者为中心的护理.