基于真实世界的药物性肝损伤预测模型文献综述

 2023-02-05 20:39:35

开题报告1.立题依据1.1选题背景结核病（TB）是由结核分支杆菌引起的常见的慢性细菌感染疾病之一，2019年全球新增病例约为1000万例，死亡率约为14%。

据调查，东南亚地区出现概率较高，为44%，欧美国家出现概率较低，约5%，其中中国出现概率占到了8.4%[1]。

目前CDC推荐的一线治疗药物为异烟肼、利福平、乙胺丁醇和吡嗪酰胺[2]，尽管上述一线治疗药物有效抑制了结核病发病率的上升，但是其引发的肝毒性给患者带来了极大的负担，据报道，全世界约0.8-40%的患者患有抗结核药物引起的肝损伤（ATLI）[3]，药物性肝损伤是抗结核药物常见不良反应之一，是临床抗结核治疗中最常见、危害最大的不良反应，容易导致治疗失败、疾病复发或耐药问题，影响疗效与预后[4]，增加患者经济负担。

据调查，欧美等西方国家发生率较低，约1%-4%，印度较高，约8%-10%，我国则约为2.5%[5]。

近年来，抗结核药物引起的肝损伤死亡率估计高达22.7%[3]，鉴于此，抗结核治疗后的肝损伤已成为研究和干预的重点。

早期筛查评估结核患者的各项功能指标、人口学特征，并规范诊治用药，即可保证结核病情的减缓，又能有效预防药物性肝损伤[6]。

真实世界研究[7]是指通过对真实世界数据进行分析得出的医疗产品的用途以及潜在收益或风险一种临床研究，包括但不限于，随机对照试验和观察性研究。

大数据时代的到来使得真实世界数据的收集和存储更为迅速便捷，此外，随着更加复杂、新颖的分析功能的发展，研究者们将能够更好地分析这些数据，并将研究结果应用于临床医药中。

机器学习模型的主要核心是学习算法，主要目的是研究如何通过计算的手段，在计算机上从数据中（也可以是经验，但大部分都需要转化为数据进行处理）产生基于算法的模型，并在面对新的情况（数据）时，通过模型给我们提供相应的判断。

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章