机器学习模型用于预测患有血友病A的中国男孩体育活动相关出血风险
Di Ai1, Chang Cui2, Yongqiang Tang3
1Haemophilia Comprehensive Care Center, Hematology Center, Beijing Key Laboratory of Pediatric Hematology-Oncology, National Key Discipline of Pediatrics (Capital Medical University), Key Laboratory of Major Diseases in Children, Ministry of Education, Beijing Children's Hospital, Capital Medical University, National Center for Children's Health, 100045, China.
Thrombosis research
|November 6, 2023
概括
机器学习模型准确地预测血友病A儿童的体力活动出血风险. 这些模型结合了多个因素,可以指导人们安全地参与体育活动,以改善生活质量.
科学领域:
- 儿科血液学 儿科血液学
- 生物统计学 生物统计学
- 机器学习在医学中的应用
背景情况:
- 身体活动对于患有血友病的儿童至关重要,但对出血的恐惧是障碍.
- 缺乏数据驱动的证据阻碍了这些儿童安全参与体育活动.
- 预防并不能完全消除体力活动期间出血的风险.
研究的目的:
- 开发机器学习模型,预测血友病A儿童在预防中的体力活动出血风险.
- 确定在体育活动期间导致出血事件的关键因素.
- 为在血友病护理中管理体育活动提供数据驱动的见解.
主要方法:
- 一项对98名患有血友病A型儿童接受充分预防的队列研究.
- 应用CoxPH,随机生存森林 (RSF) 和DeepSurv模型,使用临床,治疗和活动数据.
- 所有开发的生存分析模型的内部和外部验证.
主要成果:
- RSF模型表现出高的区分和校准能力 (内部C指数:0.7648,外部C指数:0.7260).
- 预测曲线有效地根据患者组和活动水平区分出出血风险.
- 特性重要性分析显示出出血风险是多因素的,有不一致的因素影响.
结论:
- 准确预测与体力活动相关的出血风险需要整合多种预测因素.
- 开发的机器学习模型可以引导患有血友病A的儿童进行安全和积极的体育活动.
- 这种方法通过提供个性化的身体活动风险评估来支持临床实践.
