识别和预测癌症相关症状集群的多阶段研究协议:应用混合方法设计和机器学习算法
Mojtaba Miladinia1,2, Kourosh Zarea2, Mahin Gheibizadeh1
1Department of Nursing, School of Nursing and Midwifery, Ahvaz Jundishapur University of Medical Sciences, Ahvaz, Iran.
Frontiers in digital health
|May 6, 2024
概括
这项研究确定了晚期癌症患者的症状集群 (SC),并开发了机器学习算法来预测它们. 这些发现旨在改善症状管理和临床决策,以改善患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 抚慰性护理是一种缓解性护理.
- 医疗信息学 医疗信息学
背景情况:
- 晚期癌症的症状管理存在挑战,特别是在识别和预测症状集群 (SCs) 中.
- 对症状管理的集群方法正因其改善患者护理的潜力而受到关注.
- 精确识别和预测SCs对于有效的干预至关重要.
研究的目的:
- 在晚期癌症患者中识别症状集群 (SC).
- 开发用于预测已识别的SC的机器学习算法.
- 加强临床决策和指导症状管理临床试验.
主要方法:
- 一项采用平行混合方法 (定量和定性) 设计的两阶段研究,用于SC识别.
- 使用描述分析方法分析的定量数据;使用内容分析分析的定性数据.
- 机器学习,特别是基于树的方法,用于开发SCs的预测算法.
主要成果:
- 该研究成功地确定了晚期癌症患者的症状集群.
- 开发了机器学习算法来预测这些已识别的SCs.
- 整合定量和定性数据提供了对SCs的全面了解.
结论:
- 这些发现通过SC预测促进了癌症患者更有效的症状管理.
- 预测模型增强了临床决策,从而改善了患者护理.
- 结果为未来的临床试验提供了宝贵的指导,专注于症状管理.


