放射性核素治疗后痕反应的个性化预测模型:在中国队列中开发和验证

科学领域:

• 皮肤病学 皮肤病学
• 医疗信息学 医疗信息学
• 生物统计学 生物统计学

背景情况:

• 由于治疗反应的变化,痕形成是一个重大挑战.
• 预测痕治疗的疗效仍然很困难,缺乏强大的个性化方法.
• 临床和形态因素影响结果,但不能提供精确的预测.

研究的目的:

• 为预测痕治疗结果创建和验证一个综合模型.
• 该模型结合了中国队列中的临床和图像衍生特征.
• 将预测模型翻译成一个实用的基于Web的临床计算器.

主要方法:

• 对有痕的117名中国患者进行了回顾性分析.
• 使用的临床数据 (年龄,痕高度) 和图像特征 (固度,S_mean).
• 开发了使用LASSO回归和后勤回归的预测模型 (临床,基于图像的,结合的),通过AUC,Brier评分,DCA,NRI和IDI进行验证.

主要成果:

• 痕高度,年龄,坚固度和S_mean独立预测了糟糕的结果.
• 组合模型显示出优异的预测 (AUC 0.970训练,0.908测试) 和校准.
• 决策曲线分析,NRI和IDI证实了综合模型的临床实用性和净益处.

结论:

• 整合临床和图像数据,可为中国患者提供准确的,个性化的痕治疗结果预测.
• 经过验证的组合模型和网络计算器可以帮助治疗规划和患者咨询.
• 为了更广泛的应用,在不同种族群体中进一步验证至关重要.