文献

J-GLOBAL ID：202202287834358318   整理番号：22A1029229

機械学習技術に基づく腎移植患者に対する免疫抑制薬非遵守の予測モデル【JST・京大機械翻訳】

Prediction Model of Immunosuppressive Medication Non-adherence for Renal Transplant Patients Based on Machine Learning Technology

著者 (10件)： Zhu Xiao (Nursing Department of Third Xiangya Hospital of Central South University, Changsha, China) ,  Zhu Xiao (Research Center of Chinese Health Ministry on Transplantation Medicine Engineering and Technology, The Third Xiangya Hospital, Central South University, Changsha, China) ,  Peng Bo (Research Center of Chinese Health Ministry on Transplantation Medicine Engineering and Technology, The Third Xiangya Hospital, Central South University, Changsha, China) ,  Yi QiFeng (Nursing School of Central South University, Changsha, China) ,  Yi QiFeng (Nursing Department of Third Xiangya Hospital of Central South University, Changsha, China) ,  Liu Jia (Nursing School of Central South University, Changsha, China) ,  Liu Jia (Nursing Department of Third Xiangya Hospital of Central South University, Changsha, China) ,  Liu Jia (Research Center of Chinese Health Ministry on Transplantation Medicine Engineering and Technology, The Third Xiangya Hospital, Central South University, Changsha, China) ,  Yan Jin (Nursing School of Central South University, Changsha, China) ,  Yan Jin (Nursing Department of Third Xiangya Hospital of Central South University, Changsha, China)
資料名： Frontiers in Medicine (Web)  (Frontiers in Medicine (Web))
巻： 9  ページ： 796424  発行年： 2022年 
JST資料番号： U7079A  ISSN： 2296-858X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 目的:免疫抑制薬(IM)への遵守の予測は,中国の腎移植患者(RTP)における将来の前向き,個別化介入を改善し,設計するために重要である。方法:遡及的,多施設,横断的研究を,中国において2020年10月から2021年2月までの1,191のRTPsで実施した。BAASISを,患者の接着を決定する標準として使用した。一般データ,HBM,TPB,BMQ,PSSSおよびGSESを含む複合理論の変数を用いて,モデルを作成した。機械学習(ML)モデルは,LR,RF,MLP,SVM,およびXGブーストを含んだ。SHAP法を用いて,RTPにおけるIM非遵守のリスクを予測する予測子の寄与を評価した。結果:誘導コホートにおけるIM非遵守率は38.5%であった。データベースに基づくモデルを構築するために,10の予測子をスクリーニングした。SVMモデルは,5つのモデルの間で,0.59の感度,0.73の特異性,および0.75の平均AUCによって,より良く実行した。SHAP分析は,年齢,結婚状態,HBM知覚障害,移植後のピルボックスの使用,およびPSSS家族サポートが予測モデルにおける最も重要な予測因子であることを示した。すべてのモデルは,外部データによって検証された良い性能を有した。結論:RTPのIM非遵守率は高く,IM接着を改善することが重要である。ML技術により開発されたモデルはハイリスク患者を同定し,関連する改善対策の開発の基礎を提供する。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 接着 ,  データベース ,  *免疫抑制薬 ,  *患者 ,  *移植【動物】 ,  母集団 ,  知覚不全 ,  *機械学習 ,  *予測モデル
準シソーラス用語： 予測子 ,  ハイリスク患者 ,  特異性 ,  予測因子 ,  *腎移植患者 ,  *機械学習技術 , 【Automatic Indexing@JST】

著者キーワード (5件)： 免疫抑制薬 ,  非遵守 ,  予測モデル ,  腎移植患者 ,  機械学習技術

分類 (3件)： 免疫療法薬・血液製剤の臨床への応用  (GW22020O) ,  血液の腫よう  (GK04000M) ,  術後処置・予後  (GC07050M)

引用文献 (44件)：

• Weng L, Yang Y, Huang H, Chiang Y, Tsai Y. Factors that determine self-reported immunosuppressant adherence in kidney transplant recipients: a correlational study. J Adv Nurs. (2017) 73:228-39. doi: 10.1111/jan.13106
• Ganjali R, Sabbagh MG, Nazemiyan F. Factors associated with adherence to immunosuppressive therapy and barriers in Asian Kidney Transplant Recipients (vol 8, pg 53, 2019). Immunotargets Therapy. (2020) 9:141. doi: 10.2147/ITT.S258315
• Griva K, Neo HLM, Vathsala A. Unintentional and intentional non-adherence to immunosuppressive medications in renal transplant recipients. Int J Clin Pharm-Net. (2018) 40:1234-41. doi: 10.1007/s11096-018-0652-6
• Liu J, Zhu X, Yan J, Gong L, Wu X, Liu M, et al. Association between regulatory emotional self-efficacy and immunosuppressive medication adherence in renal transplant recipients: does medication belief act as a mediator? Front Pharmacol. (2021) 12:559368. doi: 10.3389/fphar.2021.559368
• Zhang P, Zhu X, Yan J, Liu J. Identification of immunosuppressive medication nonadherence factors through a combined theory model in renal transplant recipients 6-12. Front Pharmacol. (2021) 12:655836. doi: 10.3389/fphar.2021.655836

タイトルに関連する用語 (5件)： 機械学習技術 ,  腎移植患者 ,  免疫抑制薬 ,  遵守 ,  予測モデル