初步研究:数据分析用于预测马来西亚关节炎患者的药物坚持
Firdaus Aziz1, Shubathira Sooriamoorthy2,3, Bryan Liew4
1Pusat Pengajian Citra Universiti (School of Liberal Studies), Universiti Kebangsaan Malaysia, Bangi, Malaysia.
Digital health
|February 25, 2025
概括
在马来西亚人群中观察到高比例的关节炎药物不服药. 机器学习模型将职业和并发症确定为关键预测因素,表明需要个性化干预.
科学领域:
- 健康科学 卫生科学 卫生科学
- 人工智能在医学中的应用
- 药理学 药理学是指药理学的学科.
背景情况:
- 在不同马来西亚人群中,药物坚持对于关节炎管理至关重要.
- 不遵守可以导致增加残疾和疾病进展.
- 了解不坚持的预测因素对于改善患者的治疗结果至关重要.
研究的目的:
- 分析和预测马来西亚关节炎患者的药物坚持.
- 评估13个机器学习模型的性能,以预测依从性.
- 为了确定影响药物坚持的关键因素.
主要方法:
- 马来西亚151名关节炎患者参与了这项研究.
- 递归特征消除用于机器学习模型中的特征选择.
- 确定的主要变量包括职业,并发症,宗教,收入,药物辅助,婚姻状况和每日药物数量.
主要成果:
- 90.07%的受访者报告说,他们没有坚持服用关节炎药物.
- 机器学习模型,特别是随机森林和梯度增强与选定的功能,显示高预测性能 (AUC高达0.883).
- 职业被确定为影响遵守最重要的因素,其次是失业,并发病,收入,药物援助,婚姻状况和每日药物数量.
结论:
- 关节炎药物坚持受社会经济和临床因素的复杂相互作用的影响.
- 针对特定预测因子的个性化干预措施是必要的,以提高坚持率.
- 机器学习为预测和理解药物坚持挑战提供了一个有希望的方法.
