基于联合临床-EEG微态特征的药物耐药性的综合预测模型
Jinying Zhang1,2, Chaofeng Zhu1, Juan Li1
1Department of Neurology, Fujian Medical University Union Hospital, Fuzhou, China.
Therapeutic advances in neurological disorders
|October 7, 2024
概括
一个新的综合预测模型整合了临床数据和脑电图 (EEG) 微态,准确地预测了耐药性 (DRE). 这种工具增强了患者的早期干预.
科学领域:
- 神经科学是一个神经科学.
- 临床神经学 临床神经学
- 生物医学工程 生物医学工程
背景情况:
- 是一种慢性神经系统疾病,经常发作,影响生活质量.
- 识别药物耐药性 (DRE) 的预测因子对于及时干预至关重要.
研究的目的:
- 为DRE.开发一个全面的预测模型.
- 整合临床特征与脑电图 (EEG) 微状态器,以提高预测准确度.
主要方法:
- 对226名患者进行了回顾性研究.
- 开发了三个模型:临床特征,EEG微态和综合综合模型.
- 使用拉索回归和Stepglm进行风险因素选和模型构建.
主要成果:
- 综合模型表现出优异的性能,曲线下的面积很大 (0.99训练,0.969测试).
- 取得了优异的C指数,低的布里尔分数,以及良好的校准曲线一致性.
- 决策曲线分析证实了显著的临床净益处和适用性.
结论:
- 成功开发了一个强大的,全面的DRE预测模型.
- 该模型为预测DRE风险提供了出色的歧视和校准.
- 一个直观的nomogram和用户友好的网站促进临床应用.


