牛皮关节炎风险预测模型:NHANES数据和多算法方法
Jinshan Zhan1, Fangqi Chen1, Yanqiu Li2
1Department of Dermatology, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, Hubei, China.
Clinical rheumatology
|November 25, 2024
概括
使用年龄,葡萄糖,教育和并发症的新模型可以帮助识别牛皮患者的牛皮关节炎 (PsA). 这种工具有助于早期评估牛皮关节炎的风险.
科学领域:
- 类风湿病学 类风湿病学
- 医疗信息学 医疗信息学
- 流行病学 流行病学
背景情况:
- 牛皮患者的牛皮关节炎 (PsA) 诊断可能具有挑战性.
- 需要预测模型来识别患有PsA发展高风险的个人.
- 现有的模型可能在数据源或变量选择方面存在局限性.
研究的目的:
- 开发和验证一种简化的预测模型,用于识别牛皮患者的牛皮性关节炎 (PsA).
- 通过使用大型的国家卫生数据库,确定PsA风险的关键预测因素.
主要方法:
- 使用了来自国家健康和营养检查调查 (NHANES) 数据库的数据.
- 采用了变量选择技术,包括最小绝对收缩和选择运算符,Boruta算法,随机森林和逐步回归.
- 使用ROC曲线,PR曲线,校准图,Brier分数和决策曲线分析 (DCA) 构建和评估后勤回归模型.
主要成果:
- 博鲁塔算法确定了关键预测因素:年龄,禁食葡萄糖,教育水平,甲状腺疾病,高血压和慢性支气管炎.
- 开发的Borutamodel在训练组中实现了0.781的AUC,在ROC分析的测试组中达到0.780.
- 该模型证明与0.186 (测试) 和0.191 (培训) 的Brier分数相匹配,并显示了跨决策值的净临床益处.
结论:
- 胺模型是早期评估牛皮患者牛皮关节炎风险的有希望的工具.
- 该模型有效地整合了人口统计,临床和并发症数据,以改善PsA风险预测.
- 该研究利用国家数据和全面的变量分析,提供了一种超越传统基于症状的评估的新方法.
