抽象的
背景肺动脉高血压(PAH)中的当前风险分层工具受到歧视性能力的限制,部分原因是预后临床变量具有与临床结果具有独立和线性关系的假设。我们试图展示基于贝叶斯网络的机器学习的效用,以提高现有最先进的风险分层工具的预测能力,显示2.0。
方法我们派生了一棵树增强的天真贝叶斯模型(标题为Phora),以预测揭示注册表中包括的PAH患者的1年生存,使用相同的变量和透露2.0所发现的剪切点。Phora模型在内部(在显示的注册表中)和外部(在Compera和Phsanz注册表中)进行验证。根据2015年欧洲心脏病学/欧洲呼吸学社会指南,患者分别被归类为低,中药和高风险(分别为<5%,5-20%和> 10%12个月死亡率)。188bet官网地址
结果PHORA预测1年生存率的曲线下面积(AUC)为0.80,比REVEAL 2.0 (AUC 0.76)有所改善。当在COMPERA和PHSANZ注册表中验证时,PHORA的AUC分别为0.74和0.80。PHORA预测的1年生存率在风险评分较低的患者中较高,而在风险评分较高的患者中较低(p<0.001),在所有三个登记中,低、中、高风险组之间的区分都很好。
结论我们的贝叶斯网络衍生的风险预测模型,PHORA,证明了对现有模型的辨别能力的改进。这反映了基于贝叶斯网络的模型在计算预测结果时考虑临床变量之间的相互关系以及对缺失数据元素的容忍度的能力。
抽象的
贝叶斯机器学习算法可以改善PAH中风险分层的判断。我们的BN模型标题为Phora,预测1年的死亡率为0.8的AUC,风险患者有效,并在两个独立的PAH注册表中验证。https://bit.ly/2xc0evj.
脚注
利益冲突:M.K.Kanwar在研究期间报道了NIH / Nhbli的赠款。
兴趣冲突:M. Gomberg-Maitland报告咨询/指导委员会,数据监测委员会适用于加速,施用,复杂的委员会,Gossamer Bio,Reata和神经形态;乔治华盛顿医学院和健康科学院已收到法属保利者和联合治疗学的研究资助;并是联合治疗学的科学咨询委员会的成员,在提交的工作之外。
兴趣冲突:M. Hoper报告了在提交的工作之外的电信机,拜耳,MSD和辉瑞公司的个人费用。
兴趣冲突:C. Pausch没有什么可以披露的。
利益冲突:D. Pittrow在提交的工作之外报告Actelion,Bayer,Amgen,Boehringer Ingelheim,Sanofi,MSD和Biogen的个人费用。
兴趣冲突:G.奇怪的报告在该研究的实施期间,奇怪的药物,Glaxosmithkline和Bayer Pharmaceuticals的报告给予赠款。
利益冲突:J.J.Anderson报道了Glaxosmithkline,非财政支持的赠款,从Astrazeneca的个人费用,在提交的工作之外。
兴趣冲突:C.赵是约翰逊&约翰逊的詹森制药公司妇女公司的雇员。
利益冲突:J.V. Scott无需披露。
利益冲突:M.J. Druzdzel是贝塞姆斯,LLC的合作伙伴。
利益冲突:J. Kraisangka没有什么可披露的。
兴趣冲突:L. Lohmueller没有什么可披露的。
兴趣冲突:J.Antaki在研究期间报告NIH / NHLBI(R01 HL134673)的赠款赠款。
兴趣冲突:R.L.Benza在研究期间报告来自NIH / NHLBI(R01 HL134673),Actelion,United Therapeutics和Bayer的赠款。
支持声明:全国卫生研究院,国家心脏,肺和血液研究所拨款的资金提供资金,Phora:Phora:肺动脉高血压结果风险评估。本文的资金信息已存入CrossRef Resder注册表。
- 已收到2020年1月9日。
- 公认2020年4月22日。
- 版权所有©ers 2020