论文部分内容阅读
目的：我国糖尿病患者人数多、危害大、经济负担重，且以2型糖尿病(Type 2 Diabetes Mellitus，T2DM)为主。然而，目前胰岛素初始方案的制定未能充分考虑个体化治疗。本研究通过收集真实世界中需要长期使用胰岛素类药物的T2DM患者医疗数据，采用数据挖掘和机器学习方法，建立T2DM患者胰岛素治疗方案个体化的预测模型，以辅助基层医疗机构进行T2DM患者的胰岛素治疗。
方法：本研究收集了四川省人民医院内分泌科、老年内分泌科和草堂内分泌科2016年1月至2019年6月的T2DM住院患者医疗数据。通过数据预处理后，获得可用于建模的数据集。随后，应用随机森林算法进行了特征选择，并应用支持向量机、随机森林、梯度提升决策树和XGBoost四种机器学习算法分别建立了胰岛素用药方案的种类预测模型、剂量预测模型和比例预测模型，分别对胰岛素用药方案的种类选择、每日总剂量以及胰岛素类药物之间的剂量比例进行预测，并通过模型评价和比较筛选出性能最佳的模型。
结果：通过纳入排除标准进行筛选后，获得1048例目标病例数据以及111个变量，包括定性变量31个，定量变量80个。种类预测模型中XGBoost表现最好，其微观平均ROC曲线下面积为0.74，宏观平均ROC曲线下面积为0.73；剂量预测模型中XGBoost表现最好，其MSE、MAE分别为：0.0175、0.0921，90%预测值与其对应的实际值之间的差值绝对值小于0.2014(u/kg)，95%预测值与其对应的实际值之间的差值绝对值小于0.2338(u/kg)；比例预测模型中表现最好的仍然是XGBoost，其MSE、MAE分别为：0.0420、0.1557，90%预测值与其对应的实际值之间的差值绝对值小于0.2246，95%预测值与其对应的实际值之间的差值绝对值小于0.3040。
结论：本研究给胰岛素用药方案制定提供了一个全新的思路，所建立的三种模型具有一定的参考价值。该模型通过加入其它医疗机构的数据进一步完善后，可以推广使用，实现其临床应用价值。
方法：本研究收集了四川省人民医院内分泌科、老年内分泌科和草堂内分泌科2016年1月至2019年6月的T2DM住院患者医疗数据。通过数据预处理后，获得可用于建模的数据集。随后，应用随机森林算法进行了特征选择，并应用支持向量机、随机森林、梯度提升决策树和XGBoost四种机器学习算法分别建立了胰岛素用药方案的种类预测模型、剂量预测模型和比例预测模型，分别对胰岛素用药方案的种类选择、每日总剂量以及胰岛素类药物之间的剂量比例进行预测，并通过模型评价和比较筛选出性能最佳的模型。
结果：通过纳入排除标准进行筛选后，获得1048例目标病例数据以及111个变量，包括定性变量31个，定量变量80个。种类预测模型中XGBoost表现最好，其微观平均ROC曲线下面积为0.74，宏观平均ROC曲线下面积为0.73；剂量预测模型中XGBoost表现最好，其MSE、MAE分别为：0.0175、0.0921，90%预测值与其对应的实际值之间的差值绝对值小于0.2014(u/kg)，95%预测值与其对应的实际值之间的差值绝对值小于0.2338(u/kg)；比例预测模型中表现最好的仍然是XGBoost，其MSE、MAE分别为：0.0420、0.1557，90%预测值与其对应的实际值之间的差值绝对值小于0.2246，95%预测值与其对应的实际值之间的差值绝对值小于0.3040。
结论：本研究给胰岛素用药方案制定提供了一个全新的思路，所建立的三种模型具有一定的参考价值。该模型通过加入其它医疗机构的数据进一步完善后，可以推广使用，实现其临床应用价值。