来源：期刊VIP网 时间：
作者：杨慧琼;孙丽凤;周燕红;李静虹;
单位：江西省胸科医院护理部;江西省胸科医院消毒供应中心;江西省胸科医院结核病综合防治科;江西省胸科医院感染性疾病科;
摘要：目的 基于机器学习法分析耐多药肺结核患者服药依从性的影响因素，构建并评价预测模型。方法 选取2020年1月-2022年12月江西省胸科医院收治的259例耐多药肺结核患者作为建模集，另选取2023年1-12月同期耐多药肺结核患者112例为验证集。建模集据Morisky服药依从性量表（MMAS-8）评分分为依从良好组（MMAS-8≥6）(167例)和依从不良组（MMAS-8<6）(92例)。通过logistic回归、决策分类回归树、反向传播神经网络（BPNN）算法及支持向量机算法分别构建其预测模型，通过受试者工作曲线比较三者预测价值。结果 logistic回归模型显示年龄（OR=2.250）、病程（OR=2.473）、文化程度（OR=0.274）、家属监督用药（OR=0.330）、健康教育情况（OR=0.397）、用药不良反应（OR=2.579）、合并症（OR=2.236）、按时定期复诊（OR=0.235）、家庭月收入（OR=0.367）是耐多药肺结核患者服药依从性的影响因素（P<0.05）。4种机器学习算法构建的模型中，BPNN模型综合预测效能最佳，曲线下面积（AUC）为0.855,(95%CI:0.805～0.905)，敏感度为0.772，特异度为0.850，验证集显示各模型验证预测效能均较好（AUC>0.7）。结论 基于机器学习算法构建的耐多药肺结核患者服药依从性预测模型中BPNN模型预测效能最佳，按时定期复诊、文化程度、病程、家属监督用药、健康教育情况等为主要预测因素。
关键词：机器学习;;耐多药肺结核;;服药依从性;;影响因素;;预测模型
基金资助：江西省应用研究培育计划项目(20212BAG70015)
