来源：期刊VIP网 时间：
作者：范宝超;张侨;陈晨;陈一鸣;张培铭;陆丽明;
单位：广州中医药大学针灸康复临床医学院针灸研究中心大数据实验室;江苏医药职业学院;广州中医药大学第八临床医学院;佛山市中医院;
摘要：目的：建立一种美沙酮维持治疗（methadone maintenance treatment,MMT）减量预测模型，并采用沙普利加和解释（SHAP）方法评估不同干预措施及其他临床因素对美沙酮减量的影响。方法：对两项针刺干预MMT患者美沙酮减量的临床试验进行分析，收集患者的基线资料、MMT相关信息、干预方式、减量结局指标相关数据，采用支持向量机（SVM）、K最近邻（KNN）、逻辑回归（LR）、朴素贝叶斯（NB）、随机森林（RF）和Cat Boost分类模型（CatBoost）6种机器学习算法和混合（Blending）、堆叠（Stacking）2种集成方法构建预测模型，并用SHAP方法对最优模型进行可解释性分析。结果：共251例MMT患者纳入研究，其中针刺组128例、非针刺组123例。Cat Boost模型和Stacking集成方法在测试集上表现最优，Cat Boost模型的准确率为0.780 0±0.060 8，精确率为0.500 0±0.120 0，召回率为0.818 2±0.140 2,F1分数为0.620 7±0.114 0，受试者工作特征曲线下面积（ROC-AUC）为0.857 8±0.140 2。影响针刺辅助MMT患者美沙酮减量的前5个重要特征为干预方式、体质量指数（BMI）、MMT时长、阿片类物质使用史和就业情况，其SHAP值分别为1.25、0.36、0.21、0.19和0.12。特征依赖图显示BMI、MMT时长和阿片类物质使用史与减量效果之间均呈现负相关。结论：可解释的预测模型为针刺辅助美沙酮减量治疗中需综合考虑临床因素提供了科学依据，有助于针刺临床美沙酮减量策略的改进和个性化减量方案的制定。
关键词：美沙酮维持治疗;;针刺;;机器学习;;预测模型;;模型解释
基金资助：国家自然科学基金资助项目：821715127;; 中国博士后基金项目：2024M750464
