构建一次原发性自身免疫血液溶解性贫血复发的预测模型:一个回顾性队列研究
Pan Li1, Chuanqi Zhong2, Xianjun Huang3
1Department of Oncology, Xuyong County People's Hospital, Luzhou, Sichuan, China.
Annals of medicine
|May 22, 2025
概括
这项研究开发了一种机器学习模型,用于预测原发性自身免疫血液溶解性贫血 (AIHA) 中的复发风险. 该模型准确地识别出患有复发高风险的患者在缓解后一年内复发.
科学领域:
- 血液学 血液学 血液学
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 初级自身免疫血液溶解性贫血 (AIHA) 是一种免疫系统攻击红细胞的情况.
- 预测缓解后复发风险对于患者管理至关重要.
- 当前的预测方法可能缺乏精度.
研究的目的:
- 开发和验证基于机器学习的模型,用于预测初级AIHA患者的1年复发风险.
- 为了确定与AIHA复发相关的关键临床变量.
- 为了创建一个用户友好的临床应用的nomogram.
主要方法:
- 从2017年5月到2022年5月,对232个AIHA初级病例进行了回顾性分析.
- 使用最小绝对收缩和选择操作员 (LASSO) 回归和多变量后勤回归.
- 使用C指数,ROC曲线和决策曲线分析 (DCA) 评估模型性能.
主要成果:
- 使用五个变量构建了一个预测模型:DAT结果,Hb,多线疗法,复杂的ITP和复杂的感染.
- 该名录表显示出强大的区分能力,C指数为0.852 (bootstrapped 0.829).
- 该模型在广泛的值概率 (1-91%) 中显示出良好的校准和临床效用.
结论:
- 一个经过验证的机器学习名图可以有效地预测原发AIHA患者缓解后1年的复发风险.
- 这种工具有助于临床医生进行风险分层和个性化治疗策略.
- 该模型遵循中国AIHA的诊断和治疗标准.
