Maskinlæringsvurdering av Sannsynlighet for Hodepine Neste Dag

Analysesettet inkluderer pasienter med migrene som brukte Nerivio-appen for rapportering av migreneanfall og/eller tilhørende symptomer og/eller migrenerelatert informasjon.

Datainnsamling skjer gjennom Nerivio-appen (Nerivio®). Under app-registrering samtykker pasienter til innsamling av avidentifiserte data for forskningsformål og oppgir demografisk informasjon. Deltakere kan frivillig rapportere basiskarakteristikker som behandlingsstarttid i forhold til anfallsstart, hodepine, funksjonshemming og tilstedeværelse/fravær av migrene-assosierte symptomer, samt behandlingsutfall 2 timer etter behandling. Alle data lagres på en HIPAA-kompatibel sikker server.

Algoritmen vil bli trent på brukernivådata. Datasettet vil være strukturert som en tabellmatrise, der kolonnene representerer risikorelaterte funksjoner og radene representerer bruker-dag-observasjoner. Funksjonssettet (X) fungerer som inndatavariabler, mens migreneforekomstmerket (Y) er målutfallet. Funksjonssettet (X) kan deles inn i fire grupper, i henhold til datakilden:

Demografiske data - alder og kjønn ble selvrapportert via appen ved registrering. Brukerens land identifiseres basert på IP-adresse.

Spørreskjema-data - funksjoner som er pasientens svar på enten det daglige dagboks-spørreskjemaet eller et førbehandlingsspørreskjema. Disse inkluderer hodepineseveritet, funksjonshemming, medisininntak, aura, smertevarighet og prodromale symptomer. Data om prodromale symptomer samles inn via et flervalgsspørsmål med 14 forhåndsdefinerte svar.

Værmelding-data - miljømessige funksjoner som er basert på brukeres geografiske plassering. Disse inkluderer lufttrykk, temperatur, varmeindeks, UV-indeks, vind, fuktighet og nedbør.

Beregnede funksjoner - funksjoner som beregnes basert på ovennevnte innsamlede data. Disse inkluderer gjennomsnitt, frekvenser, antall påfølgende dager, etc.

Merkelapp (Y) Definisjon - Målvariabelen (Y) vil bli definert ved bruk av daglige dagbokoppføringer og førbehandlingsspørreskjemaer. Feltet "neste dags migrene" fungerte som målutfallet. En verdi på 1 (migrenedag) vil bli tildelt hvis migrene ble rapportert på den påfølgende kalenderdagen; en verdi på 0 (ikke-migrenedag) vil bli tildelt hvis ingen migrene ble rapportert. Manglende verdier ble beholdt som null for å fange potensiell informasjon iboende i deres ikke-tilfeldige forekomst.

En dag klassifiseres som en migrenedag (Y = 1) hvis begge følgende betingelser var oppfylt: A) Hodepinenivå ble rapportert som mildt, moderat eller alvorlig i dagboken eller førbehandlingsspørreskjemaet. B) Minst én ekstra migreneindikator var tilstede: inntak av migrenerelatert medisin, eller rapportering av lysskyhet, lydskyhet, kvalme og/eller oppkast, eller aura i dagboken eller førbehandlingsspørreskjemaet.

Følgende standard ML-resultatmål ble brukt for å evaluere modellens ytelse:

Presisjon - prosentandelen av migrenedager korrekt forutsagt, av alle forutsagte dager.

Nøyaktighet - prosentandelen av dager korrekt forutsagt (migrene og ikke-migrene), av alle de forutsagte dagene.

Sensitivitet (også kalt recall rate) - prosentandelen av migrenedager korrekt forutsagt, av alle migrenedagene.

Spesifisitet - prosentandelen av ikke-migrenedager korrekt forutsagt, av alle ikke-migrenedagene.

Areal Under Kurven (AUC) - sannsynligheten for at modellen rangerer en migrenedag høyere enn en ikke-migrenedag, basert på forutsagte risikoscorer (som oppsummerer modellens evne til å skille mellom migrene- og ikke-migrenedager på tvers av alle klassifiseringsgrenser).

F1-score - balansen mellom korrekt forutsagte migrenedager og unngåelse av feilaktig forutsagte migrenedager, som kombinerer sensitivitet og presisjon i ett mål.