机器学习模型用于估计患有异常性膜性脏病患者的缓解概率
Lijin Duo1, Lei Chen1, Yongdi Zuo1
1Department of Nephrology, West China Hospital, Sichuan University, Chengdu 610041, Sichuan, China.
International immunopharmacology
|November 1, 2023
概括
这项研究开发了一种名谱,用于预测异常性膜性病 (IMN) 患者的缓解期,帮助早期预后和治疗决定为慢性病的主要原因.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 内部医学 内部医学
- 预测建模预测建模
背景情况:
- 异形膜性病 (IMN) 是综合征和慢性病的主要原因.
- 目前,没有有效的预测模型用于评估IMN预后.
- 准确的预后评估对于指导临床管理和治疗决策至关重要.
研究的目的:
- 开发和验证用于估计IMN患者缓解概率的预测性名谱.
- 为临床医生提供一个工具,以改善早期预后评估.
- 帮助IMN患者做出明智的治疗决策.
主要方法:
- 分析了一组266名患有本体病理学证明的IMN患者.
- 最小绝对收缩和选择操作员 (LASSO) 回归确定了关键的预后变量.
- 多变量考克斯回归和引导重新抽样被用于构建和内部验证预后名图.
主要成果:
- 建立了一个纳米图,包括肌素,质底膜加厚,性别,IgG沉积,LDL胆固醇和纤维素原.
- 在训练和验证组 (AUC从0.725到0.830) 中,名图显示出良好的区分和校准.
- 决策曲线分析证实了名图对缓解预测的临床实用性.
结论:
- 开发的诺莫图谱对于临床医生来说是一个有价值的工具,用于评估异常性膜性脏病的早期预后.
- 这种预测模型可以帮助优化IMN患者的治疗策略.
更多相关视频
07:15Mechanism of Kemeng Fang's Inhibition of Podocyte Apoptosis in Rats with Membranous Nephropathy through the PI3K/AKT Signaling Pathway
Published on: August 23, 2024
447
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
