《高血压个体化药物疗效的预测模型分析(最终版)》由会员分享，可在线阅读，更多相关《高血压个体化药物疗效的预测模型分析(最终版)（5页珍藏版）》请在金锄头文库上搜索。
1、高血压个体化药物疗效的预料模型分析李璞，安静(兰州高校，兰州 730000，中国)摘要：高血压是全球重大可控性慢性疾病，已成为脑卒中、冠心病和心肾功能衰竭等的主要缘由。目前，我国高血压患病率大于20%，患者超过2亿，且发病率呈逐年上升趋势，因此，高血压的防治是我国人口与健康领域面临的重大问题1。高血压药物疗效正从群体化探讨走向个体化探讨，因此一个有效的预料模型为人们药物治疗高血压供应了科学的依据，也为建立一个健全合理的高血压预料方案供应了探讨方向。对高血压的早防早治、个体化药物治疗的疗效具有非常重要的科学意义。关键词：高血压；预料模型；个体化引言：高血压是一种全球性的流行病！全球每年有700万
2、人死于高血压，15亿人受到高血压的影响。高血压是导致心脏疾病、中风、肾脏疾病和糖尿病最大的独立死亡危急因素2。依据相关调查数据3，我国18岁以上成人高血压患病率为18.8%，估计目前我国约有2亿高血压患者，每10个成年人中就有2人患有高血压，约占全球高血压总人数的1/5。在我国高血压人群中，绝大多数是轻、中度高血压（占90%），轻度高血压占60%以上。然而，我国人群正常血压（120/80mmHg）所占比例不到1/2。估计我国每年新增高血压患者1000万人，对处于正常高值血压范围内的高血压易患人群，应特殊留意改善不良生活方式，预防高血压发生。我国高血压患者总体的知晓率、治疗率和限制率明显较低，分
3、别低于50%、40%和10%4。因此加强高血压疾病的防止工作，通过有效的药物治疗来限制高血压显得至关重要，要定期测量血压、规范管理、合理用药，利用科学的预料模型来分析个体对于降压药物的物理疗效反应是改善我国人群高血压知晓率、治疗率和限制率的根本，同时对于高血压疾病提前预料防治有重要的意义。药物治疗高血压采纳的治疗策略：目前除了通过学习解除压力、饮食限制、规律性运动如慢跑、骑脚踏车、游泳等，停止抽烟、喝酒等日常的生活方式干预之外，药物治疗在高血压治疗中也占据重要的地位。目前高血压病的治疗策略仍旧是临床医师基于群体探讨结果，依据高血压指南、结合医生的一些临床阅历为患者开具处方。对于首诊明确为高血压
4、的患者个体，治疗初期药物的选择有肯定的摸索性。患者必需在医生的指导下，谨慎的选择药物，并调整其剂量，切忌对已购药自行服用，高血压必需长期持续的治疗，医生要定期至门诊追踪，刚好记录血压的改变，患者应保持高血压的治疗是永久性的基本看法。不同的抗高血压治疗、ACEI、-受体阻滞剂、钙拮抗剂或利尿剂，当血压限制在正常范围内，对肾脏的爱护程度是相同的。一项探讨资料表明5，伴有高血压的糖尿病性肾病患者药物治疗2年，通过家庭自测血压监测，2年内血压水平肯定限制在正常范围，血压的平均水平是135/81nmaHg，结果发觉-受体阻滞剂、ACEI和钙拮抗剂对于肾小球滤过率(GFR)的改善相互间没有显著性差异。假如
5、不进行降压治疗，那么这些患者GFR每年以1015mL/min的速率下降。Syst-Eur试验亚组分析了钙拮抗剂治疗收缩期高血压预防老年性痴呆的报告，发觉用钙拮抗剂治疗2年以上，特发性痴呆的发生率下降506。临床实践中，降压药物的选择与调整原则主要取决于患者个体服药后的降压疗效、禁忌症、不良反应、以及价格。在临床应用历程中，最近更新的2009年版ESH欧洲高血压指南指出，噻嗪类利尿剂、ACEI、CCB、ARB、受阻滞剂均可用于患者的初始及维持治疗。然而每个患者对于同类的药物治疗，即使药物品种和服药剂量相同，服药的方法相同，其血压反应是各不相同的，服药后尚需依据短期内血压反应，以及临床实践中心血管
6、事务等状况，进行个体化的剂量、甚至是药物种类的调整，反复的临床实践，直至获得满足的疗效7。面对每一位患者，在反复调整药物过程中，势必会增加患者就医次数，并可能因为没有刚好有效地治疗，而出现并发症或病情加重。在这样反复调整再视察的临床治疗过程中，往往给患者个体带来了药物不良反应、治疗目标无法尽快实现等严峻后果，影响了患者的生活质量、奢侈了医疗资源。因而为了提高降压药物治疗的效果，针对每一个高血压患者可能合并有不同的疾病，冠心病、糖尿病、高血脂症、外周动脉粥样硬化等，要依据患者个体特点选择最相宜的治疗药物。高血压的个体化药物治疗是相关领域探讨的一个重要目标。为了解决多种药物如何选择，学者们提出：同
7、样药物治疗前提下，是否存在药物疗效的协同影响因素，使得不同个体的药物反应有相同的作用，如何能够确定这些因素，是临床治疗中尚未解决的难题。通过已有的大规模临床试验数据进行分析，探究降压药物引起血压下降与协同影响因素之间的综合关系，建立相应的预料模型科学地、定量地预料高血压个体用药的降压疗效，将实现最优的、个体化的药物治疗方案供应最有利的干脆依据。在对患者用药前，对其进行评估，可以制订出最恰当的药物方案，这样可以缩短个体血压达标的周期，同时兼顾削减心血管疾病发病死亡率，以实现高血压的治疗目标。这种针对个体的药物治疗方式可以有效预料高血压个体用药的降压疗效，大大减低了药物治疗过程中由于个体差异造成的
8、疗效不满足，提前预知患者患病概率，提前做出防治，最大限度地爱护了高血压患者的健康。预料降压药物疗效的统计学模型探讨：目前国内外高血压药物治疗领域还没有建成有效的统计学模型来对某项药物的疗效进行预料报道。假如要建立有效的统计学模型，首先必须要基于较大规模信息数据基础之上，利用统计软件如SPSS,SAS,R等，通过探究自变量与因变量之间的逻辑相关关系，从影响某一因变量的诸多自变量中，推断哪些自变量的影响显著，那些不显著，用数学计算等式的方法，科学而量化地表示药物治疗与临床疗效之间的关系。继而用以预料已知因变量的个体，假如接受该种药物疗效后，将能够获得的疗效，为临床医生供应直观的治疗方案的选择依据8
9、。为了更好的得知某项药物对于个体的药物疗效，将来个体化高血压治疗的疗效预料模型如下9：高血压患者标记物等检测，获得临床及试验室参数必要数据输入计算机程序数据分析处理个体水平进行药物治疗疗效预料输出信息开具处方血压及心血管事务预料患者以最佳方案起先药物治疗依据预料结果及医生制订的方案进行随访患者实现最优的血压+最小的心血管事务风险每一个高血压患者可能合并有不同的疾病，每个患者对于药物的疗效、不良反应、依从性、经济实力也不尽相同。因而针对高血压个体化药物疗效统计学模型的建立须要解决的技术问题较为突出。为了使统计学模型的探讨有强有力的依据，要将较大规模、前瞻性的随机临床比照探讨数据纳入模型的建立，无
10、疑这将提高模型的科学性和精准度，更加有益于知道临床用药的方案的确立。利用统计软件通过多因素回来分析(主要是Logistic回来分析)、牢靠性分析、预料分析、困难抽样等方法，应用分类树模型，建立统计学模型11，分析药物治疗及患者的临床特征对其收缩压反应的相关因素，采纳p0.05为有意义变量，将其保留在模型中，而分析患者临床特征叠加作用于药物治疗(将二者的关系作为自变量)时,对于收缩压反应的相关关系,采纳的p0.10判为有意义变量,将其保留在模型中，对于p值界定的放宽,可以尽量保证在分析过程中不丢失有可能有意义的药物疗效协同因素12。从统计学角度来说，增加样本容量，能够提高检验效能的目的，因此选择
11、有效合理的数据来构建模型分析药物的临床疗效显得异样重要。预料高血压发病率的BP人工神经网络探讨:运用人工神经网络(artificial neural network, ANN)方法建立高血压病发病率的预料模型，为发病率预料供应了一种新方法。而BP人工神经网络应用于疾病的分类和诊断的方法在国内外已有先例13。BP神经网络是误差反向传播神经网络的简称，它的模型如下：BP人工神经网络是通过对原始数据的预处理，以因子与因子之间的交互作用作为神经网络的输入数据加载到网络的输入端，再把网络的实际响应输出与期望输出相比得到其误差，依据反向传播的误差修正律，不断地修改各神经元之间的连接权值及相应的阈值直至误差
12、信号小于某一规定值，网络的输出端产生相应的输出14。其计算流程如下：标准化预处理给出输入矩阵和期望输出计算出隐含层，输出层各单元的输出随机给出输入层、隐含层、和输出层之间的初始连续权和阈值计算期望输出和实际输出的误差误差是否满足要求是全局误差是否满足要求计算隐含层单元误差调整连接权和阈值结束否否是各项探讨表明，BP人工神经网络模型的判别实力、群体水平的预料实力方面也优于传统的COX比例风险回来模型15。BP人工神经网络突破了传统的线性处理模式，避开了困难的参数估计过程去解决一系列变量关系不能精确地用函数表达的分类与回来问题，ROC曲线可以直观地视察灵敏性和特异性之间的关系，曲线下面积越大其诊断
13、试验的精确度越大16。借助于ROC曲线下面积比较，证明了BP人工神经网络预料模型较Logistic回来预料模型有更好的预料判别效能。因此利用BP人工神经网络模型进行疾病预料，能获得更好的预料效果，并且对资料的类型、分布不做任何要求，是一种较好的疾病预料方法。疗效预料模型对于高血压治疗的展望:随着高血压疾病对人们健康的威逼以及人们对于医理学问的相识，合理有效的预料模型来给人们服用药物供应科学依据显得越来越重要。人们已经开展了一些较大规模的药物干预为主的临床比照探讨，给高血压个体化用药供应理论依据。医生在护理过程中可以收集大量的必需信息，建立有效的统计学模型正是基于较大规模信息数据基础之上的一种探
14、讨方法，利用统计学软件，通过建立比照组，用数学计算等式方法，科学地分析某种药物对于某个体用药后的疗效，这样可以直观而科学的选取合理的药物治疗方案。由于高血压的发病和维持、以及治疗高血压药物的疗效机制是困难的，须要多学科合作，视察降压疗效是否改善不同类型患者的症状，建立有效的预料模型，预料每一个体对于治疗药物的疗效，依据多因素的影响效果，依据不同方向逐步回来分析的结果不同，检验、调整、优化、验证模型的有效性，最终将实现个体降压疗效以及心血管事务风险的预料。新的预料体系将预先存储在临床医生的计算机内存数据库中17，或者通过电子计算机连接到互联网相应的网站上，在为患者诊断过程中，实时地进行数据处理和
15、预料。将获得的试验数据实时地反馈进行不断更新，增加了新的临床检测指标，在患者起先口服第一粒药物之前，就可以预料到这例患者药物的疗效，最大限度的降低了患者试用降压药物带来的风险，削减了不良反应的发生，降低靶器官损害发生率，为患者合理用药供应依据。通过人工神经网络预料模型对各项危急因素影响心血管疾病供应了科学的预料，对于高血压的预防和限制，寻求了较好的治疗方案，对提高高血压患者的血压限制率可以做到早预防早治疗，合理地、适量地服用药物来限制血压值在一个正常值范围，从而完善了高血压患者个体的预警机制，给患者带来健康。可见将来建立一个科学有效的预料模型对于人类高血压疾病预防和治疗方面有着主动的推动作用。参考文献：1. 祝之明,高血压前期的探讨热点与防治策略.解放军第三军医高校大坪医院.2012年3月27日.2. 2012高血压日主题宣扬提纲,中华人民共和国卫生部.2012年10月10日.3. 2012年中国高血压防治指南要点.2012年4月15日.4. 王文.对2010年修订版中国高血压防治指南要点的解读.阜外心血管医院.2011年7月8日5. 胡大一,王宏宇.高血压病流行的全球趋势及对策J.中国运用内科杂志,2002年4月第22卷第4
