偏头痛治疗反应的预测模型:系统性审查和元分析
Qiuyi Chen1, Jiarun Zhang1, Baicheng Cao1
1Department of Acupuncture and Moxibustion, Beijing Key Laboratory of Acupuncture Neuromodulation, Beijing Hospital of Traditional Chinese Medicine, Capital Medical University, Beijing, 100010, China.
The journal of headache and pain
|February 12, 2025
概括
统计和机器学习模型显示出预测偏头痛治疗反应的前景. 然而,目前的研究中存在高偏差风险,需要谨慎和提高数据质量,以获得可靠的临床应用.
科学领域:
- 神经学 神经学
- 数据科学数据科学数据科学
- 生物统计学 生物统计学
背景情况:
- 偏头痛具有显著的临床变异性,使治疗管理复杂化.
- 个体患者对偏头痛治疗的反应有很大差异,这强调了对预测工具的需求.
- 偏头痛管理中的个性化护理需要准确预测治疗疗效.
研究的目的:
- 系统地审查和元分析统计和机器学习模型,以预测偏头痛治疗反应.
- 评估偏头痛患者现有的预测模型的性能和质量.
主要方法:
- 进行了系统性审查和对研究的元分析,截至2024年11月30日.
- 搜索了PubMed,Cochrane,Embase和科学网的相关研究.
- 使用PROBAST工具和报告标准与TRIPOD+AI检查清单评估偏差风险.
主要成果:
- 包括从对1927份文件的初步选中得出的6项研究.
- 对曲线下的面积 (AUC) 的聚合分析显示了良好的预测性能 (0.86).
- 在包括的研究中,特别是在分析中,发现了普遍存在偏差的高风险.
结论:
- 统计和机器学习模型具有预测偏头痛治疗反应的潜力.
- 偏差和异质性的高风险需要谨慎地解释当前的发现.
- 未来的研究需要高质量的数据,外部验证,并遵守报告准则以提高可靠性.
