基于5种机器学习算法的抗肿瘤药物Ⅰ期临床试验用药依从性现状及其影响因素
江秋兰
殷舒珺
王敏玲
黄清霞
福建医科大学肿瘤临床医学院,福建省肿瘤医院,福建 350014
摘要：目的:探讨参与抗肿瘤药物Ⅰ期临床试验受试者用药依从性的现状及影响因素,并运用5种机器学习算法构建预测模型,比较其预测性能.方法:选取2022年5月—2024年1月在福建省肿瘤医院接受抗肿瘤药物Ⅰ期临床试验的1 620例病人为研究对象,按照7∶3的比例随机分成训练集(n=1 134)和验证集(n=486).采用随机森林、贝叶斯网络、支持向量机、Logistic回归、极端梯度提升5种方式建立预测模型,并评估其预测性能.结果:1 134例训练集病人中,996例病人用药依从性较好(87.8％).多因素分析结果显示,年龄、文化程度、实验周期、严重不良事件是参与抗肿瘤药物Ⅰ期临床试验受试者用药依从性的影响因素(P＜0.05).通过5种机器学习算法建立预测模型,验证组中随机森林的综合预测效能最好.结论:基于随机森林的机器学习算法构建的抗肿瘤药物Ⅰ期临床试验用药依从性预测模型具有较高的预测性能,有助于临床医护人员评估病人的用药依从性,并据此制定针对性护理措施.
关键词：机器学习Ⅰ期临床试验用药依从性影响因素护理
论文发表日期：2024-12-31
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 4448-4453 )
英文信息