预测使用监督机器学习的低级和高级质瘤的成年患者的治疗临床试验入学率

科学领域:

• 神经瘤学神经瘤学
• 生物统计学 生物统计学
• 临床试验设计 临床试验设计

背景情况:

• 质瘤发病率和临床试验招生率在不同患者群体中不匹配.
• 传统的统计方法已经确定了试验招生个体预测因素,但缺乏对因素相互作用的洞察力.

研究的目的:

• 研究人口统计,社会经济和瘤学变量对质瘤患者临床试验入学的相互作用影响.
• 使用增强神经网络 (BNNs) 开发试验招生预测模型.

主要方法:

• 设计并将BNN模型应用于质瘤患者的数据集,包括对整个队列,仅女性和少数群体的分析.
• 在独立的患者队列上对开发的BNN模型进行外部验证.
• 量化了各种变量对入学概率的总影响 (TE).

主要成果:

• 对于整体质瘤队列和仅为女性的子组,瘤变量 (卡诺夫斯基性能状态,化疗,瘤位置,) 是在试验招生中最有影响的因素.
• 对于仅限少数群体的子组,社会经济变量 (保险状况,职业,就业状况) 显示对入学影响最大.

结论:

• 了解不同人口群体的临床试验入学的不同驱动因素对于改善临床试验积累至关重要.
• 针对一般人群的瘤因素和少数群体的社会经济因素的量身定制的,针对患者的具体策略可以提高参与质瘤临床试验的机会.