在基于机器学习的儿科血细胞性淋巴细胞细胞瘤患者早期死亡风险的预测模型
Li Xiao1, Yang Zhang2, Ximing Xu3
1Department of Hematology and Oncology, Children's Hospital of Chongqing Medical University, National Clinical Research Center for Child Health and Disorders, Chongqing Key Laboratory of Pediatrics, Ministry of Education Key Laboratory of Child Development and Disorders, Chongqing, China.
Heliyon
|December 4, 2023
概括
这项研究开发了一种机器学习模型,用于预测患有血细胞淋巴细胞瘤 (HLH) 的儿童的早期死亡. 该工具有助于临床医生对这种严重的儿科疾病进行风险分层和个性化治疗.
科学领域:
- 儿科血液学 儿科血液学
- 计算生物学 计算生物学
- 临床信息学 临床信息学
背景情况:
- 血细胞淋巴细胞瘤 (HLH) 是一种具有高早期死亡率的关键儿科疾病.
- 在诊断时准确的风险分层对于及时干预至关重要.
研究的目的:
- 开发和验证用于预测儿科HLH患者早期死亡率的机器学习模型.
- 确定与HLH早期死亡相关的关键临床指标.
主要方法:
- 一项对587名儿科HLH患者的观察性队列研究 (2006-2022年).
- 通过使用 LASSO 来进行特征选择,构建了六个机器学习模型.
- 选择了物流和XGBoost模型进行性能评估.
主要成果:
- 早期死亡率为28.45%. 在美国,早期死亡率为28.45%.
- 后勤模型实现了0.915的AUC和0.863的精度;XGBoost实现了0.889的AUC和0.829.8的精度.
- 早期死亡的关键预测因素包括缺乏免疫化疗,降低TC,增加BUN和总 bilirubin,以及延长TT.
结论:
- 开发了第一个基于网络的儿科HLH早期死亡率预测工具.
- 该工具帮助临床医生进行风险分层和个性化治疗规划.
- 该研究已在中国临床试验登记处注册 (ChiCTR2200061315).
