预测建模用于在慢性鼻炎与鼻的患者报告的结局措施之间的得分翻译:一个横截面研究
J M García-Fernández1,2, M S Sánchez-Torices3,4, M A Feliz-Fernández3
1Department of Health Sciences, University of Jaén, Jaén, Spain. jmgf0018@red.ujaen.es.
概括
预测模型现在可以翻译慢性鼻炎与鼻息肉 (CRSwNP) 患者报告的结果问卷之间的得分,从而改善临床护理和研究可比性.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 患者报告的结果 (PRO) 问卷对于评估慢性鼻炎与鼻息肉 (CRSwNP) 的症状负担和生活质量至关重要.
- 通常使用的仪器如NOSE,SNOT-22,CRS-PRO和NPQ缺乏既定的得分翻译能力,阻碍了跨研究比较和患者护理连续性.
研究的目的:
- 开发和验证CRSwNP中主要PRO问卷之间的得分转换的预测模型.
- 评估这些模型对患者管理和研究整合的临床实用性.
主要方法:
- 这是一项涉及200名CRSwNP患者完成NOSE,SNOT-22,CRS-PRO和NPQ的观察性横截面研究.
- 使用线性回归和随机森林回归构建双向预测模型.
- 使用R2,MSE,德宾-沃森,布鲁什-帕根,沙皮罗-威尔克和VIF测试评估模型性能和有效性;针对喘和之前的鼻腔手术进行的亚组分析.
主要成果:
- 在PRO问卷之间观察到强烈的相关性 (r=0.61-0.87).
- 使用线性模型实现了高预测精度 (例如,SNOT-22预测NPQ:R2=0.76).
- 随机森林模型提供了边际改善;在患有喘或先前鼻手术的患者中,预测精度增加.
结论:
- 预测建模是可行的,并且在临床上有价值,用于在CRSwNP中翻译PRO得分.
- 这些模型增强了临床决策,患者评估和数据协调,用于多中心/纵向研究.
- 建议进行外部和纵向验证以获得更广泛的适用性.
