文献

J-GLOBAL ID：202002276254906964   整理番号：20A1522395

個別化治療予測は無作為化試験においてグループ平均アプローチと比較して転帰を改善することができるか?大うつ病に対する急性治療の実際的なメガトライアルにおける多変数予測モデルの開発と検証【JST・京大機械翻訳】

Can personalized treatment prediction improve the outcomes, compared with the group average approach, in a randomized trial? Developing and validating a multivariable prediction model in a pragmatic megatrial of acute treatment for major depression

著者 (7件)： Furukawa Toshi A (Departments of Health Promotion and Human Behavior and of Clinical Epidemiology, Kyoto University Graduate School of Medicine / School of Public Health, Kyoto, Japan) ,  Debray Thomas P A (Julius Center for Health Sciences and Primary Care, UMC Utrecht, Utrecht University, The Netherlands) ,  Akechi Tatsuo (Department of Psychiatry and Cognitive-Behavioral Medicine, Nagoya City University Graduate School of Medical Sciences, Nagoya, Japan) ,  Yamada Mitsuhiko (Department of Neuropsychopharmacology, National Institute of Mental Health, National Center of Neurology and Psychiatry, Tokyo, Japan) ,  Kato Tadashi (Aratama Kokorono Clinic, Nagoya, Japan) ,  Seo Michael (Institute of Social and Preventive Medicine (ISPM), University of Bern, Bern, Switzerland) ,  Efthimiou Orestis (Institute of Social and Preventive Medicine, University of Bern, Switzerland)
資料名： Journal of Affective Disorders  (Journal of Affective Disorders)
巻： 274  ページ： 690-697  発行年： 2020年 
JST資料番号： A1170A  ISSN： 0165-0327  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 臨床試験は,グループ平均がすべての適格で類似の患者に適用できると仮定して,伝統的に骨材レベルで分析されてきた。多変数予測モデルが個々の参加者に対する異なる治療推奨をもたらすかどうかを探索するため,主要なうつ病に対する抗うつ療法の巨大試験を再分析した。結論:試験は,連続セルトラリンの2次治療戦略を比較し,それとミルタザピンとを併用し,初期失敗後のミルタザピンへの切り替えを,主要な鬱病の1544人の患者の間でセルトラリンを再開する最初の失敗後に行った。転帰は,9週目の個人健康アンケート-9(PHQ-9)であり,オリジナル分析は,併用と切り替えの両方が,継続よりも1.0ポイントでPHQ-9のより大きな減少をもたらすことを示した。ペナルティ回帰または機械学習のいくつかのモデルを考察した。サポートベクトルマシン(SVM)を用いたモデルは最良の性能を示した。SVMsを用いて,継続セルトラリンは,696人の患者と725人の患者の切り替えに対し,123人の患者に対し最良の治療であると予測された。最後の2つのサブグループにおいて,結合とスイッチングの両方は,1.2から1.4ポイントまで継続するのに等しく優れて,本来の凝集体データレベル解析と同じ処置推薦をもたらした。しかしながら,最初のサブグループでは,スイッチングは,組み合わせ(-3.1,95%CI:-5.4から-0.5)に,下位に劣っていた。より精密な予測を行うためには,より強い予測子が必要である。多変数予測モデルは,巨大心房におけるグループ平均アプローチよりも少数の参加者に対する推奨の改善をもたらした。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： スイッチング ,  骨材 ,  心房 ,  臨床試験 ,  *うつ病 ,  アンケート ,  *抑うつ ,  ペナルティ ,  機械学習 ,  ランダム化比較試験 ,  凝集体 ,  *予測モデル ,  サポートベクトルマシン ,  *個別化医療
準シソーラス用語： *多変量 , 【Automatic Indexing@JST】

著者キーワード (4件)： うつ病性障害 ,  抗うつ薬 ,  精密医学 ,  予測モデル

分類 (2件)： 精神障害の薬物療法  (GR04020D) ,  向精神薬の臨床への応用  (GW03110J)

タイトルに関連する用語 (12件)： 個別化治療 ,  予測 ,  無作為化試験 ,  グループ ,  平均 ,  転帰 ,  大うつ病 ,  治療 ,  多変数 ,  予測モデル ,  開発 ,  検証