Machine learning algorithms for predicting EQ-5D full health state in systemic lupus erythematosus

Resumo

Objetivos: Determinar fatores associados ao estado de saúde perfeita (ESP) do EQ-5D no lúpus eritematoso sistémico (LES) antes e depois da intervenção num ensaio clínico, recorrendo a algoritmos de machine learning. Métodos: Realizámos uma análise post-hoc de dados de dois ensaios clínicos de fase III do belimumab (BLISS-52, BLISS-76). Foram recolhidas variáveis demográficas, laboratoriais e clínicas, tendo sido utilizado o algoritmo Monte Carlo Feature Selection, posteriormente refinado considerando colinearidade e relevância/perícia clínica. Os seguintes modelos foram usados: support vector machine with radial basis function kernel (SVMRadial), least absolute shrinkage and selection operator (LASSO), neural network (NNet), e logistic regression (LR). Resultados: Numa coorte de 1642 doentes com LES, 12.9% reportaram FHS na baseline e 23.1% na semana 52. As variáveis selecionadas foram idade, sexo, ascendência Asiática, e clinical Systemic Lupus Erythematosus Disease Activity Index-2000, Safety of Estrogens in Lupus National Assessment-SLEDAI Physician Global Assessment, e rácio proteína/creatinina urinário (RPCU) na baseline. Exclusivamente para os modelos da semana 52, o índice do EQ 5D na baseline também foi selecionado. Os modelos preditores do ESP demonstraram um desempenho comparável na baseline e na semana 52. Na baseline, a máxima área sob a curva foi vista nos modelos LASSO e LR (0.73), enquanto na semana 52 foi vista nos modelos LASSO e NNet (0.77). O valor preditivo negativo foi particularmente alto para todos os modelos (0.88–0.94). A calibração mostrou uma ligeira melhoria nos modelos da semana 52. Conclusão: Idade avançada, sexo feminino, ascendência não-Asiática, alta atividade de doença, e baixo RPCU foram associados, através de machine learning, à não-experiência de um ESP em doentes com LES na baseline e na semana 52. O índice do EQ-5D na baseline constituiu a variável mais informativa para prever a experiência de um ESP na semana 52.

Data do prémio	30 jan. 2024
Idioma original	English
Instituição de premiação	Universidade Católica Portuguesa
Supervisor	Ioannis Parodis (Supervisor)