在腹腔透析相关的腹腔炎患者的腹腔透析后,基于机器学习的万科米辛度的预测
Bo Lv1, Wenxiu Liu1, Ying Lu2
1Department of Pharmacy, The Second Affiliated Hospital of Soochow University, Suzhou, China.
概括
机器学习模型,特别是GA-SVR,可以预测腹膜炎腹膜透析患者的万科米辛度. 这可以改善药物度控制,从而改善患者的治疗结果.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 药理学 药理学是指药理学的学科.
- 数据科学数据科学数据科学
背景情况:
- 腹膜炎是腹膜透析 (PD) 的严重并发症.
- 在PD周周炎中抗菌药物度控制不良会增加风险.
- 预测药物度至关重要,但在传统模型中具有挑战性.
研究的目的:
- 开发和评估机器学习模型,用于预测患有腹膜炎的PD患者的万科米辛度.
- 使用无模型方法克服区间模型的局限性.
- 为了确定影响万科米辛度的关键预测因素.
主要方法:
- 利用机器学习,包括遗传自适应支持向量回归 (GA-SVR),KNN回归,GBM,XGBoost和堆叠组合.
- 收集了38名PD患者的数据,这些患者患有腹膜炎,并接受了范科米治疗.
- 用于预测分析的RMSE损失和部分依赖概况.
主要成果:
- GA-SVR在预测万科米辛度方面表现优异 (RMSE比率为23.5%,R平方为0.633).
- 为了预测特定度范围,实现了高的ROC AUC值 (0.890和0.948).
- 药物给药时间和患者体重被确定为关键预测因素,受功能残留的影响.
结论:
- 开发了GA-SVR和一个解释器模型,以帮助临床控制万胺度.
- 在PD周周炎中增强对万科米的药理动力学的理解.
- 在这个患者群体中改善了管理万科米辛治疗的策略.


