开发和验证LASSO预测模型用于西斯产生的毒性:在中国的一项病例对照研究
Jingwei Zhang1, Xuyang Luo2,3, Yi Fan4
1Department of Blood Transfusion, Chengdu Second People's Hospital, Chengdu, China.
BMC nephrology
|June 11, 2024
概括
早期识别高风险人群的西斯诱导性毒性 (CIN) 是至关重要的. 使用临床,实验室和遗传数据的预测模型有效地识别了患有CIN风险的患者.
科学领域:
- 在瘤学瘤学.
- 腎臟病學 (nephrology) 是一種醫學專業.
- 药物基因组学 药物基因组学
背景情况:
- 西斯普拉丁诱导的毒性 (CIN) 对正在接受化疗的肺癌患者构成重大风险.
- 早期识别易受CIN影响的个体对于及时干预和改善患者结果至关重要.
研究的目的:
- 开发和验证一种预测模型,用于识别患有西斯胺诱导性毒性 (CIN) 高风险的肺癌患者.
- 利用一般临床数据,实验室结果和遗传特征进行准确的CIN风险评估.
主要方法:
- 在696名肺癌患者的训练组上使用绝对收缩和选择操作员 (LASSO) 回归构建了一个预测模型.
- 在对283名肺癌患者的独立测试组中,对模型的性能进行了前性评估.
- 变量选择以交叉验证和Akaike的信息标准 (AIC) 为指导.
主要成果:
- 开发的CIN预测模型表现出强烈的歧视和校准,AUC为0.9217 (训练) 和0.8288 (测试).
- 该模型在训练和测试数据集中实现了高灵敏度和特异性,表明了强大的预测能力.
- 临床决策曲线分析证实了该模型在广泛的风险值范围内对临床决策的实用性.
结论:
- 结合实验室和人口统计变量的预测模型是识别高风险CIN肺癌患者的宝贵工具.
- 这种方法可以帮助临床医生采取主动管理策略,以减轻化疗引起的损伤.
