基于机器学习预测患者地高辛血药浓度超出治疗窗上限的风险

摘要：

目的:建立人血清中地高辛血药浓度超出治疗窗上限的风险预测模型,为地高辛的安全使用提供参考.方法:回顾收集2019年1月至2021年12月期间天津医科大学总医院地高辛血药浓度监测数据.371名患者数据按7:3随机分为训练集和测试集,训练集用于构建预测模型,测试集用于评价模型效果.采用极端梯度提升(XGBoost)特征重要性分析法选择最佳特征,Shapley加法解释(SHAP)算法分析特征与结果变量的相关性和趋势.使用逻辑回归(LR)、朴素贝叶斯(NB)、随机森林(RF)、XGBoost、梯度提升树(GBDT)5种机器学习算法用于模型构建.结果:默认参数下LR、NB、RF、XGBoost和GBDT模型的AUC分别为0.519 9,0.627 8,0.695 1,0.562 5和0.655 8.优化后的RF模型AUC为0.711 2.结论:机器学习模型预测人血清中地高辛血药浓度超出治疗窗上限风险的表现良好,并创新地利用SHAP算法对其进行解释.RF模型预测性能最佳,为识别地高辛中毒高风险患者提供参考.

关键词：地高辛、治疗药物浓度监测、随机森林模型、机器学习

所属期刊栏目：43

分类号：R972.1(药品)

在线出版日期：2023-08-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1425-1429