基于支持向量机技术预测丙戊酸钠血药浓度

• 作者: 严波 刘芳 王红迁 程林 贾运涛 陈勇川 马攀
• 来源期刊: 安徽医药
• 关键词: 丙戊酸钠 精准医学 机器学习 线性模型 支持向量机 血药浓度 个体化用药
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 药物分析
• 页码范围: 35-39
• 页数: 5页
• 语种: 中文

摘要

目的 基于支持向量机(SVM)技术,建立丙戊酸钠的血药浓度预测模型.方法 收集陆军军医大学第一附属医院2015年1月至2018年12月确诊为癫痫且服用丙戊酸钠缓释片的病人的血药浓度及16个血药浓度影响因素指标数据.利用随机数字表法将收集的206例病人共271个样本数据分为190个构成训练样本集以及81个构成测试样本集.基于SVM技术对190个训练样本进行训练,建立预测模型.再用外部验证法将81个测试样本的血药浓度模型预测值与实际观测值进行对比.结果 训练样本集和测试样本集中病人的各临床指标除胱抑素C外,其余指标差异无统计学意义(P≥0.05),训练样本集中病人胱抑素C为(1.17±1.23)mg/L,明显高于测试样本集中病人的(0.93±0.84)mg/L(P=0.012).基于SVM技术的血药浓度预测模型取得了较好的预测效果,模型预测值与实际观测值相对误差:小于5％的12个;5％～10％(含)的23个;10％～15％(含)的21个;15％～20％(含)的13个;20％～25％(含)的4个,超过25％的8个;平均相对误差为12.12％,相对误差小于20％(含)的样本占比达到85.18％.平均绝对误差为9.98 mg/L,绝对误差小于20 mg/L的样本占比达到95.06％.模型预测值与实际观测值的相关系数为0.788.结论 SVM技术在血药浓度预测方面具有良好的应用前景,基于该技术的丙戊酸钠血药浓度预测模型准确度较好,模型预测值与实际观测值的相关性较好,相对误差较小,可为临床制定个体化给药方案提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严波		18	36	3.0	5.0
2	刘芳		44	279	8.0	16.0
3	贾运涛		43	191	6.0	12.0
4	马攀		2	0	0.0	0.0
5	程林		1	0	0.0	0.0
6	王红迁		1	0	0.0	0.0
7	陈勇川		1	0	0.0	0.0