一个多维分类器,以支持肺部纤维化患者的肺移植转诊
Janelle Vu Pugashetti1, John S Kim2, Michael P Combs1
1Division of Pulmonary and Critical Care Medicine, University of Michigan, Ann Arbor, Michigan.
概括
一个新的多维模型准确地预测了患有异常性肺纤维化 (IPF) 和其他间歇性肺病 (ILD) 的肺移植候选人的短期结果. 这种工具有助于优化等待捐赠肺的合格患者的移植转诊.
科学领域:
- 肺部病理学 肺部病理学
- 移植手术 移植手术
- 生物标志物发现发现
背景情况:
- 异形性肺纤维化 (IPF) 是肺移植的主要征兆,但供体器官稀缺导致高移植前死亡率.
- 优化肺移植转诊时间对于改善符合条件的患者的治疗结果至关重要.
- 目前的工具在预测间歇性肺病 (ILD) 患者的短期结果方面缺乏足够的准确性.
研究的目的:
- 开发和验证IPF和其他ILD患者近期死亡或肺移植的预测模型.
- 确定主要的临床和蛋白质学因素,这些因素可以预测ILD患者的短期结果.
- 改善肺移植转诊的选择和时间.
主要方法:
- 进行了一项涉及ILD患者的前性队列研究.
- 使用最小绝对收缩和选择运算符 (LASSO) 回归来得出临床,蛋白质和多维模型.
- 模型在独立的IPF和非IPFILD队列中得到验证,队列仅限于移植资格标准.
主要成果:
- 结合2个临床变量和20个蛋白质的多维模型,与单独的临床或蛋白质组模型相比,显示出优异的预测性能.
- 该分类器在IPF验证队列中实现了70%的灵敏度和92%的特异性,用于预测短期结果.
- 在非IPF的ILD验证队列中,分类器显示了70%的灵敏度和80%的特异性.
结论:
- 多维分类器准确地预测了IPF和非IPFILD患者的短期结果.
- 开发的分类器在独立队列中表现出良好的测试性能.
- 建议对移植资格的个人进行进一步的前性验证,以完善这种预测工具.
