一个机器学习模型来预测患者的坚持行为和一个决策支持系统为患有转移性乳腺癌的患者:随机对照试验的协议
Marianna Masiero1,2, Gea Elena Spada2, Virginia Sanchini1
1Department of Oncology and Hemato-oncology, University of Milan, Milan, Italy.
JMIR research protocols
|December 14, 2023
概括
本研究评估了决策支持系统 (DSS) 和机器学习工具,以改善转移性乳腺癌患者的口服抗癌治疗坚持. 目标是通过更好的药物服药,提高患者的治疗效果,降低医疗保健成本.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 数字健康数字健康
背景情况:
- 坚持口服抗癌治疗对于乳腺癌患者的疾病轨迹至关重要.
- 不遵守会对临床结果产生负面影响,并导致大量的医疗保健费用.
- 制定提高治疗坚持度的策略是非常重要的.
研究的目的:
- 评估决策支持系统 (DSS) 和机器学习网络应用程序在提高转移性乳腺癌患者遵守口服抗癌治疗的有效性.
- 为了确定新的预测变量 (身体,心理,社会,行为,生活质量) 改进机器学习模型的患者坚持.
主要方法:
- 一项前性随机受控研究,涉及100名转移性乳腺癌患者.
- 一个实验小组接受了基于Web的DSS (TREAT) 和机器学习应用程序3个月.
- 对照组没有接受干预;两组都完成了每周的日记和自我报告.
主要成果:
- 患者招募于2023年5月开始,计划于2023年12月完成.
- 数据分析正在等待招聘期结束.
- 该研究旨在为干预措施的有效性提供见解.
结论:
- 将基于机器学习的风险预测模型集成到决策支持系统中,可以显著改善癌症患者的药物坚持.
- 这种方法有望优化治疗管理和患者的治疗结果.
关键词:
坚持性 坚持性行为行为行为行为行为.乳腺癌 乳腺癌 乳腺癌癌症 癌症 癌症 癌症 癌症决策支持系统 决策支持系统在决策过程中做出决定.机器学习是机器学习.转移性乳腺癌 转移性乳腺癌口服疗法是指口服疗法.个性化的个性.风险预测模型的风险预测模型.更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.3K
