在多发性骨髓瘤患者中,使用多个机器学习模型评估血栓栓塞事件的危险因素
Yi Huang1, Haimei Liang, Shaoxin Huang
1Department of Hematology, Guigang City People's Hospital, Guigang, Guangxi, China.
Medicine
|February 17, 2025
概括
这项研究使用机器学习在多发性骨髓瘤 (MM) 患者中确定了静脉血栓栓塞事件 (VTE) 的关键风险因素. 反应性C蛋白 (CRP) 和纤维素原是最重要的预测因素,有助于识别高风险个体.
科学领域:
- 血液学 血液学 血液学
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
背景情况:
- 静脉血栓栓塞事件 (VTE) 是多发性骨髓瘤 (MM) 患者患病和死亡的重要原因.
- 准确识别高风险的患者VTE对于有效的临床管理和改善的预后至关重要.
研究的目的:
- 利用机器学习模型来识别和评估新诊断的MM患者中VTE的独立风险因素.
- 精确确定高风险人群的VTE,以加强临床管理策略.
主要方法:
- 从2018年12月到2022年12月对428名新诊断的MM患者的数据 (人口统计,实验室,治疗) 的回顾性分析.
- 应用物流回归 (LR),随机森林和梯度增强机 (GBM) 模型来识别VTE风险因素.
- 对VTE预测的模型性能和变量重要性的评估.
主要成果:
- 在428名MM患者中,11.21%的人患有静脉瘤. 多因子LR确定了C反应蛋白 (CRP),纤维素,·威勒布兰德因子 (vWF),因子VIII (FVIII) 和免疫调节剂治疗作为独立的风险因素.
- 随机森林和GBM模型强调CRP和纤维素原是最关键的预测因子,vWF,FVIII,年龄和D-二次体也被确定为重要变量.
- 在所有三种模型中一致识别CRP和纤维素原,强调了它们在对MM患者的VTE风险评估中的重要性.
结论:
- 在多发性骨髓瘤患者中,C-反应蛋白 (CRP) 和纤维素原是VTE的主要风险因素.
- 机器学习模型有效地识别了包括vWF和FVIII在内的关键预测因素,从而实现了更好的风险分层.
- 这些发现为针对性临床干预提供了基础,以减轻MM患者的VTE风险.
