基于改进曲线回归模型的人全血中环孢素A谷浓度预测

摘要：

目的:建立基于改进曲线回归的人全血中环孢素A(CsA)谷浓度预测模型,为临床个体化用药提供依据.方法:回顾收集天津医科大学总医院37名使用CsA治疗免疫相关性全血细胞减少症(IRP)的患者生理生化检测指标相关信息,采用主成分分析法(PCA)-多元线性回归模型和PCA-多项式曲线回归模型利用上述指标对患者全血中CsA谷浓度进行预测.结果:利用PCA将33个生理生化指标降维简化,确定10个主成分.PCA-多元线性回归模型的拟合优度为0.2546,均方误差为175.8;PCA-多项式曲线回归模型的拟合优度为1.000,均方误差为3e-15.结论:PCA-多项式曲线回归模型拟合程度高,均方误差较小,优于PCA-多元线性回归模型.PCA-多项式曲线回归模型更适合用于IRP患者CsA谷浓度的预测.

关键词：环孢素A;机器学习;主成分分析法;多项式曲线回归;谷浓度

所属期刊栏目：41

分类号：R911(药物基础科学)

资助基金：国家自然科学基金青年项目编号:81102447

在线出版日期：2021-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1491-1495,1506