Maskinlæringsbaseret vurdering af næste dags migrænerisiko

Analysesættet omfatter patienter med migræne, der brugte Nerivio-appen til rapportering af migræneanfald og/eller tilknyttede symptomer og/eller migrænerelaterede oplysninger.

Dataindsamling sker gennem Nerivio-appen (Nerivio®). Under app-registrering giver patienter samtykke til indsamling af de-identificerede data til forskningsformål og oplyser demografiske oplysninger. Deltagere kan frivilligt rapportere baselinekarakteristika som behandlingstidspunkt i forhold til anfaldets start, hovedpine, funktionel handicap og tilstedeværelse/fravær af migræneassocierede symptomer samt behandlingsresultater 2 timer efter behandling. Alle data opbevares på en HIPAA-kompatibel sikker server.

Algoritmen vil blive trænet på bruger-niveau data. Datasættet vil blive struktureret som en tabelmatrix, hvor kolonnerne repræsenterer risiko-relaterede funktioner og rækkerne repræsenterer bruger-dag observationer. Funktionssættet (X) fungerer som inputvariable, mens migræneforekomst-etiketten (Y) er måludfaldet. Funktionssættet (X) kunne opdeles i fire grupper i henhold til datakilden:

Demografiske data - alder og køn blev selvrapporteret via appen under registrering. Brugerens land identificeres baseret på IP-adresse.

Spørgeskemadata - funktioner som er patientens svar på enten det daglige dagbogsspørgeskema eller et pre-behandlingsspørgeskema. Disse inkluderer hovedpinesværhedsgrad, funktionelt handicap, medicinindtagelse, aura, smertevarighed og prodromale symptomer. Data om prodromale symptomer indsamles via et flervalgs-spørgsmål med 14 foruddefinerede svar.

Vehrdata - miljømæssige funktioner der er baseret på brugernes geografiske placering. Disse inkluderer lufttryk, temperatur, føles temperatur, UV-indeks, vind, luftfugtighed og nedbør.

Beregnede funktioner - funktioner der beregnes baseret på de tidligere nævnte indsamlede data. Disse inkluderer gennemsnit, frekvenser, antal på hinanden følgende dage osv'.

Etiket (Y) Definition - Målvariablen (Y) vil blive defineret ved hjælp af daglige dagbogsposter og pre-behandlingsspørgeskemaer. Feltet "næste dags migræne" tjente som måludfald. En værdi på 1 (migrænedag) vil blive tildelt hvis en migræne blev rapporteret den efterfølgende kalenderdag; en værdi på 0 (ikke-migrænedag) vil blive tildelt hvis ingen migræne blev rapporteret. Manglende værdier blev beholdt som null for at fange potentiel information iboende i deres ikke-tilfældige forekomst.

En dag klassificeres som en migrænedag (Y = 1) hvis begge følgende betingelser var opfyldt: A) Hovedpineniveau blev rapporteret som mildt, moderat eller svært i dagbogen eller pre-behandlingsspørgeskemaet. B) Mindst én yderligere migræneindikator var til stede: indtagelse af migrænerelateret medicin, eller rapportering af lysfølsomhed, lydfølsomhed, kvalme og/eller opkastning, eller aura i dagbogen eller pre-behandlingsspørgeskemaet.

Følgende standard ML resultatmål blev brugt til at evaluere modelydelse:

Præcision - procentdelen af migrænedage korrekt forudsagt, ud af alle forudsagte dage.

Nøjagtighed - procentdelen af dage korrekt forudsagt (migræne og ikke-migræne), ud af alle de forudsagte dage.

Følsomhed (også kaldet recall rate) - procentdelen af migrænedage korrekt forudsagt, ud af alle migrænedagene.

Specificitet - procentdelen af ikke-migrænedage korrekt forudsagt, ud af alle ikke-migrænedagene.

Area Under the Curve (AUC) - sandsynligheden for at modellen rangerer en migrænedag højere end en ikke-migrænedag, baseret på forudsagte risikoscorer (opsummerer modellens evne til at skelne mellem migræne og ikke-migrænedage på tværs af alle klassifikationstærskler).

F1 score - balancen mellem korrekt forudsagte migrænedage og undgåelse af forkert forudsagte migrænedage, der kombinerer følsomhed og præcision i ét mål.