ÖZET

Sonuç:

Tedavi yanıtlarının erken aşamada öngörülmesi hastalar için olduğu kadar sağlık sistemi için de çok önemlidir. Bununla birlikte, bDMARD’lara yanıt verme olasılığı düşük olan hastalarda nasıl bir yol izleneceğini belirlemek de aynı derecede önemlidir. Mevcut literatür bu soruya yeterince cevap vermemektedir. Ek tedavi seçenekleri ve çoklu değerlendirme kriterleri göz önünde bulundurulmalıdır; çok kriterli modeller bu amaç için faydalı karar desteği sağlayabilir.

Bulgular:

Lojistik regresyon modelinde, cinsiyet, koroner arter hastalığı, omurga cerrahisi, steroid tedavisi, sülfasalazin tedavisi ve başlangıç sağlık değerlendirme anketi skoru prediktör olarak saptanmıştır. Model, %79,5 doğruluk ve 0,82’lik bir alıcı işletim karakteristiği eğrisi altında kalan alan sergilemiştir. Altı aylık takipte iyi yanıt veren hastaların %87’sinin, bir yıllık takipte de iyi yanıt verdiği gözlemlenmiştir. Altı aylık takipte yanıt vermeyenlerin %75’inin bir yıllık takipte yanıt vermediği gözlemlenmiştir.

Yöntem:

Yüz doksan Türk RA hastasında birkaç ML modeli test edilmiştir ve lojistik regresyon modelinin üstün olduğu bulunmuştur. Uzun ve kısa vadeli sonuçlar arasındaki ilişki de analiz edilmiştir.

Amaç:

Biyolojik hastalık modifiye edici antiromatizmal ilaçlar (bDMARD’lar) genel olarak romatoid artrit (RA) hastaları için umut verici sonuçlar sunar; ancak hastaların önemli bir yüzdesi bunlara yanıt vermez. Yan etkilerin azaltılması ve sağlık sistemi için maliyetlerden kaçınılabilmesi için yanıtın tedavi öncesi tahmin edilmesi önemlidir. Bu çalışmada, bDMARD’lara yanıtı tahmin etmek için demografik ve klinik faktörlerle çalışan bir makine öğrenimi (ML) modeli geliştirme ve ek farmakolojik olmayan uygulamaların tartışılması amaçlanmıştır.