龙网和规范推理的应用,用于估计个性化治疗效果,以预防个性化中风:回顾性队列研究
Sermkiat Lolak1, John Attia2, Gareth J McKay3
1Department of Clinical Epidemiology and Biostatistics, Faculty of Medicine, Ramathibodi Hospital, Mahidol University, 4th Floor, Sukho Place Building, 218/11 Sukhothai Road, Suan Chitlada, Dusit, 10300, Thailand, 66 955073078.
JMIR cardio
|January 9, 2025
概括
这项研究将心房动,高血压和糖尿病确定为主要中风风险因素. 先进的方法表明,个性化抗血小板治疗可能有利于糖尿病和高血压患者.
科学领域:
- 因果推断和机器学习在公共卫生中的应用.
- 个性化医疗和脑血管疾病的预防策略.
背景情况:
- 卒中是全球死亡和残疾的主要原因之一.
- 个性化的中风预防需要确定从抗血小板治疗等干预措施中受益最多的个体.
- 传统方法往往忽略了个体风险和治疗反应的差异.
研究的目的:
- 通过使用Dragonnet和符合推理来估计个人化治疗效应 (ITE) 预防中风.
- 确定和验证中风风险因素的因果影响:高血压 (HT),糖尿病 (DM),失脂症 (DLP) 和心房动 (AF).
- 用传统和先进的机器学习模型来比较因果效应估计.
主要方法:
- 对275,247名高风险患者 (2010-2020年) 的回顾性队列研究.
- 使用倾向得分方法,结构性因果模型,双重机器学习和Dragonnet.net进行因果效应估计.
- 使用Dragonnet估计的ITEs与加权分割-符合性定量回归.
主要成果:
- 心房动 (AF),高血压 (HT) 和糖尿病 (DM) 被确定为重要的中风风险因素.
- 因果风险影响估计因方法而异;Dragonnet的风险比为AF的4.56,HT的2.44和DM的1.41.
- 平均ITE分析表明,在没有接受治疗的DM或HT的DM患者中,抗血小板治疗可能有好处.
结论:
- 龙网和符合性推断是可行的估计ITEs在中风预防.
- 个性化治疗策略可以通过先进的因果推断技术来告知.
- 研究结果表明,向抗血小板治疗可能有利于特定的高风险患者群体,改善中风预防.
关键词:
龙网是一个龙网.在 ITE 找 ITE心房动是心房动的一种.因果关系影响因果关系影响.符合性推断的结论糖尿病 糖尿病患者 糖尿病患者脱脂血症是什么 脱脂血症医院记录 医院记录 医院记录这种高血压,高血压.个别治疗效果 个别治疗效果机器学习是机器学习.死亡率 死亡率风险因素的风险因素是什么一次性中风中风中风中风中风治疗治疗治疗治疗治疗治疗更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:42Dual-Task Stroop Paradigm for Detecting Cognitive Deficits in High-Functioning Stroke Patients
Published on: December 16, 2022
2.9K
