开发和内部验证治疗效果预测模型,用于肌肌带疼痛综合征的治疗效果预测模型
1Department of Anesthesiology, Guannan County First People's Hospital, Lianyungang, China.
Frontiers in neurology
|March 12, 2026
概括
这项研究使用临床和生物标志物数据开发了一种预测神经肌关节疼痛综合征 (MPS) 治疗反应模型. 该模型准确地预测了患者的结果,有助于为慢性疼痛提供个性化治疗策略.
科学领域:
- 疼痛医学 医学 疼痛医学
- 生物标志物 生物标志物
- 医疗保健中的机器学习
背景情况:
- 肌关节疼痛综合征 (MPS) 是一种普遍存在的慢性疼痛状况,治疗反应变化.
- 目前缺乏预测工具阻碍了MPS患者个性化治疗策略.
- 个性化治疗优化对于有效管理MPS至关重要.
研究的目的:
- 开发和验证MPS治疗疗效的预测模型.
- 整合临床,心理和炎症数据,以准确预测反应.
- 为指导肌关节疼痛综合征的个性化治疗决策.
主要方法:
- 追溯招募340名MPS患者,分为培训 (n=238) 和验证 (n=102) 组.
- 收集基线数据,包括疼痛特征,心理状态和炎症标志物.
- 机器学习模型 (SVM,随机森林,KNN) 的应用和使用Bootstrap重新采样的内部验证.
主要成果:
- 一个包含6个因素 (疾病持续时间,疼痛强度,抑郁,疼痛灾难化,IL-6,hs-CRP) 的支持矢量机器 (SVM) 模型实现了高预测准确性 (AUC 0.895培训,0.873验证).
- 该模型通过决策曲线分析 (DCA) 通过相关的概率范围 (0.10-0.70) 证明了良好的校准和临床效用.
- 关键预测因素包括疾病持续时间,基线疼痛强度,抑郁症得分,疼痛灾难化,IL-6和hs-CRP水平.
结论:
- 成功开发并内部验证了一种整合多种患者数据的MPS疗效预测模型.
- 该模型显示了良好的内部预测性能和可解释性.
- 建议未来进行多中心外部验证,以提高临床适用性.
