×
田晓璐；冲、于田；黄玉涛；郭、皮；李梦洁；张望建；杜志成；李向勇；郝元涛

使用机器学习算法预测乙型肝炎表面抗原血清清除率。 （英语） Zbl 1423.92120号

计算。数学。方法医学。 2019年，文章ID 6915850，第7页（2019年）.
总结：慢性乙型肝炎（CHB）患者在治疗期间进行乙型肝炎表面抗原（HBsAg）血清清除与更好的预后相关。在如何根据可获得的临床信息准确有效地预测HBsAg血清清除率方面，我们的理解仍存在很大差距。本研究旨在确定预测HBsAg血清清除率的最佳模型。我们从华南肝炎监测与管理（SCHEMA）队列中获得了2235名慢性乙型肝炎患者的实验室和人口统计信息。共有106例患者进行了HBsAg血清清除。我们基于四种算法开发了模型，包括极限梯度增强（XGBoost）、随机森林（RF）、决策树（DCT）和逻辑回归（LR）。通过接收器工作特性曲线（AUC）下的面积确定最佳模型。XGBoost、RF、DCT和LR模型的AUC分别为0.891、0.829、0.619和0.680，其中XGBooest的预测性能最好。XGBoost模型的变量重要性图表明，HBsAg水平的重要性依次为年龄和乙型肝炎病毒（HBV）DNA水平。机器学习算法，特别是XGBoost，在预测HBsAg血清清除率方面具有适当的性能。结果显示了机器学习算法利用可获得的临床数据预测HBsAg血清清除率的潜力。

MSC公司：

92 C50 医疗应用（通用）
62页第10页 统计学在生物学和医学中的应用；元分析
92-08 生物学问题的计算方法

关键词：

乙型肝炎表面抗原血清清除；机器学习

软件：

XGBoost公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Tian}等人，计算。数学。方法Med.2019，文章编号6915850，第7页（2019；Zbl 1423.92120）
全文： 内政部

参考文献：

[1] Liaw，Y.-F。；Chu，C.-M.，乙型肝炎病毒感染，《柳叶刀》，373，9663，582-592（2009）·doi:10.1016/s0140-6736（09）60207-5
[2] Tseng，T.C。；Kao，J.H.，HBsAg血清清除：越早越好，《肠胃病学》，136，5，1843-1844（2009）·doi:10.1053/j.gastro.2008.12.074
[3] 刘杰。；Yang，H.-I。；Lee，M.-H.，乙型肝炎血清标志物的自发血清清除和随后的肝细胞癌风险，Gut，63，1011648-1657（2014）·doi:10.1136/gutjnl-2013-305785
[4] Idilman，R。；Cinar，K。；Seven，G.，乙型肝炎表面抗原血清转换与拉米夫定治疗HBeAg阴性慢性乙型肝炎患者的长期临床疗效相关，《病毒性肝炎杂志》，19，3，220-226（2012）·文件编号：10.1111/j.1365-2893.2011.01542.x
[5] Wu，J.-F。；Hsu，H.-Y。；邱，Y.-C。；Chen，H.-L。；镍，Y.-H。；Chang，M.-H.，慢性乙型肝炎病毒感染中细胞因子对自发乙型肝炎表面抗原血清转化的影响，免疫学杂志，194，2，690-696（2015）·doi:10.4049/jimmunol.1401659
[6] Chu，C.-M。；Liaw，Y.-F.，慢性HBV感染期间乙型肝炎表面抗原血清清除，抗病毒治疗，15，2，133-143（2010）·doi:10.3851/imp1497
[7] Hsu，H.-Y。；Chang，M.-H。；Lee，C.-Y。；Chen，J.-S。；Hsu，H.-C。；Chen，D.-S.，慢性乙型肝炎病毒感染儿童HBsAg的自发性丢失，肝病学，15,3382-386（1992）·doi:10.1002/hep.184010350304
[8] Tseng，T.C。；刘长杰。；Su，T.H.，血清乙型肝炎表面抗原水平预测乙型肝炎e抗原血清转换器中的表面抗原损失，《肠胃病》，141，2517-525（2011）·doi:10.1053/j.gastro.2011.04.046
[9] 马克思，G。；马丁·S·R。；Chicoine，J.F。；Alvarez，F.，不同种族儿童慢性乙型肝炎病毒感染的长期随访，《传染病杂志》，186,3295-301（2002）·数字对象标识代码：10.1086/341508
[10] Bortolotti，F。；Guido，M。；Bartolacci，S.，《e抗原血清清除后儿童慢性乙型肝炎：一项29年纵向研究的最终报告》，《肝病学》，43，3，556-562（2006）·doi:10.1002/hep.21077
[11] Yuen，M.F。；Wong，D.K.H。；Fung，J.，亚洲慢性乙型肝炎患者的HBsAg血清检测：肝细胞癌的复制水平和风险，胃肠病学，135，4，1192-1199（2008）·doi:10.1053/j.gastro.2008.07.008
[12] Moucari，R。；科雷瓦尔，A。；Lada，O.，对干扰素有反应的HBeAg阳性慢性乙型肝炎患者的HBsAg血清转化率高：一项长期随访研究，《肝病学杂志》，501084-1092（2009）·doi:10.1016/j.jhep.2009.01.016
[13] Chu，C.-M。；Liaw，Y.-F.，高流行地区无症状携带者的HBsAg血清清除率：长期随访期间的明显高比率，《肝病学》，45，5，1187-1192（2007）·doi:10.1002/hep.21612
[14] 刘杰。；Yang，H.I。；Lee，M.H.，自发性乙型肝炎表面抗原血清清除的发病率和决定因素：一项基于社区的随访研究，《肠胃病学》，139，2，474-482（2010）·doi:10.1053/j.gastro.2010.04.048
[15] 奥斯汀，宾夕法尼亚州。；屠呦呦，J.V。；Ho，J.E。；利维，D。；Lee，D.S.，使用数据挖掘和机器学习文献中的方法进行疾病分类和预测：一项检查心力衰竭亚型分类的案例研究，《临床流行病学杂志》，66，4，398-407（2013）·doi:10.1016/j.jclinepi.2012.11.008
[16] Waljee，A.K。；Higgins，P.D.R.，《医学中的机器学习：医生入门》，《美国肠胃病杂志》，105，6，1224-1226（2010）·doi:10.1038/ajg.2010.173
[17] Walker，S.H。；Duncan，D.B.，事件概率作为几个自变量函数的估计，生物统计学，54，1-2，167-179（1967）·Zbl 0159.47604号 ·doi:10.2307/2333860
[18] Ho，T.K.，《随机决策森林》，第三届文件分析和识别国际会议论文集·doi:10.1109/icdar.1995.598994
[19] Chen，T。；Guestrin，C.，XGBoost:一个可扩展的树增强系统，第22届ACM SIGKDD知识发现和数据挖掘国际会议论文集，ACM·doi:10.1145/2939672.29339785
[20] Friedman，J.H.，Greedy函数近似：梯度提升机，《统计年鉴》，29，51189-1232（2001）·Zbl 1043.62034号 ·doi:10.1214/aos/1013203451
[21] 郑先生。；Seto，W.K。；Shi，K.Q.，人工神经网络准确预测乙型肝炎表面抗原血清清除率，《公共科学图书馆·综合》，9，6（2014）·doi:10.1371/journal.pone.0099422
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。