在肺癌患者中用集体学习方法识别空白症
Pingping Jia1, Qianqian Zhao1, Xiaoxiao Wu1
1Department of Clinical Nutrition, Beijing Shijitan Hospital, Capital Medical University, Beijing, China.
Frontiers in nutrition
|June 14, 2024
概括
早期营养干预可以改善肺癌患者的生存率. 使用人体测量和血液标记物的新模型在没有减肥数据的情况下识别了缓解症风险,从而能够及时提供支持.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 营养科学 营养科学
背景情况:
- 癌症缓解症显著影响肺癌患者的生存率.
- 早期的营养支持对于控制缓解症至关重要.
- 在没有减肥数据的情况下识别缓解症风险因素是具有挑战性的.
研究的目的:
- 开发一个集体学习模型,用于在肺癌患者中早期识别缓解症.
- 使用人体测量和血液指标,不包括减肥信息.
- 为了促进及时的营养干预,并改善患者的治疗结果.
主要方法:
- 一项涉及4712名肺癌患者的多中心研究.
- 在特征选择中应用最小绝对收缩和选择运算符 (LASSO).
- 评估了18个机器学习模型,包括一个梯度增强分类器 (GBC).
主要成果:
- 选择了一个17个变量GBC模型,包括BMI,养状态,瘤阶段,NLR和GI症状.
- 在训练 (AUC=0.854) 和测试组 (AUC=0.859) 中,GBC模型表现出强大的预测性能.
- 确定的主要指标包括BMI,食情况,瘤阶段,NLR和胃肠道症状.
结论:
- 开发的GBC模型有效地识别了肺癌患者的癌症缓解症,而不需要减肥数据.
- 这种模式可以指导早期营养干预,潜在地减少缓解症的发生率.
- 预计早期干预可以改善肺癌患者的整体存活率.
