基于机器学习的诺姆图预测了老年复发性/耐药性多发性骨髓瘤患者接受基于卡菲尔佐米布的治疗的心力衰竭风险
Dan Qiao1, Hai-Bin Ding1, Cong-Hui Zhu2
1Department of Medical Oncology, Shaanxi Provincial Cancer Hospital, Xi'an, Shaanxi, China.
一个新的机器学习名录有效预测心力衰竭 (HF) 在老年患者复发/耐药多发性骨髓瘤 (RRMM) 在carfilzomib治疗. 该工具有助于早期风险分层和个性化患者管理.
科学领域:
- 心脏病学 心脏病学
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
背景情况:
- 接受卡菲尔佐米布治疗的复发性/耐药性多发性骨髓瘤 (RRMM) 的老年患者面临心力衰竭 (HF) 的重大风险.
- 早期识别HF风险对于有效的临床管理和改善这种脆弱人群中的患者结果至关重要.
研究的目的:
- 开发和验证一种基于机器学习的名谱,用于预测患有复发性/耐药性多发性骨髓瘤 (RRMM) 的老年患者接受基于卡菲尔佐米布的治疗.
- 为了促进早期识别和个性化临床管理HF在这个患者队列.
主要方法:
- 来自192名老年RRMM患者的临床数据的回顾性分析,这些患者接受了基于卡菲尔佐米布的治疗.
- 机器学习算法的应用 (LASSO,SVM,XGBoost) 用于变量选择.
- 使用强大的预测器构建名图,通过C指数,校准曲线和决策曲线分析 (DCA) 评估性能.
主要成果:
- 心力衰竭 (HF) 在25.5%的患者中发生.
- 机器学习模型将冠状动脉疾病 (CAD),高血压,功能衰竭和白蛋白 (Alb) 水平确定为重要的HF风险因素.
- 开发的名图表显示出良好的预测性能 (C指数:0.780),内部和外部校准,并通过DCA.通过临床实用性.
结论:
- 在接受卡菲尔佐米布治疗的老年RRMM患者中,已开发出用于评估心血管风险的实用名录.
- 这个工具可以帮助临床医生在早期风险分层.
- 在整个治疗过程中,名图支持量身定制的监测和管理策略.
更多相关视频
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
相关概念视频
Heart Failure IV: Classification and Diagnostic Evaluation
Dosage Regimen Designs: Nomograms and Tabulations
Drug Dosing in Renal Diseases: Estimation of Glomerular Filtration Rate Based on Serum Creatinine Concentration
Heart Failure V: Medical Management
Heart Failure II: Pathophysiology
Heart Failure III: Clinical Manifestations
