Maskininlärningsbedömning av Sannolikhet för Migrän Nästa Dag

Analysgruppen inkluderar patienter med migrän som använde Nerivio-appen för rapportering av migränanfall och/eller associerade symptom och/eller migränrelaterad information.

Datainsamling sker via Nerivio-appen (Nerivio®). Under appregistreringen samtycker patienter till insamling av avidentifierade data för forskningsändamål och lämnar demografisk information. Deltagare kan frivilligt rapportera baslinjekarakteristika som behandlingsstarttid i förhållande till anfallsstart, huvudvärk, funktionshinder och närvaro/frånvaro av migränassocierade symptom, samt behandlingsresultat 2 timmar efter behandling. All data lagras på en HIPAA-kompatibel säker server.

Algoritmen kommer att tränas på användarnivådata. Datasetet kommer att struktureras som en tabellmatris, där kolumnerna representerar riskrelaterade funktioner och raderna representerar användar-dagsobservationer. Funktionsuppsättningen (X) fungerar som indatavariabler, medan migränförekomstetikett (Y) är målutfall. Funktionsuppsättningen (X) kan delas in i fyra grupper, enligt datakällan:

Demografiska data - ålder och kön självrapporterades via appen vid registrering. Användarens land identifieras baserat på IP-adress.

Enkätdata - funktioner som är patientens svar på antingen det dagliga dagbokenkäten eller ett före behandling-enkät. Dessa inkluderar huvudvärkssvårighetsgrad, funktionshinder, läkemedelsintag, aura, smärtvaraktighet och prodromala symptom. Data om prodromala symptom samlas in via en flervalsfråga med 14 fördefinierade svar.

Väderdata - miljömässiga funktioner som baseras på användares geografiska plats. Dessa inkluderar lufttryck, temperatur, värmebelastning, UV-index, vind, luftfuktighet och nederbörd.

Beräknade funktioner - funktioner som beräknas baserat på ovannämnda insamlade data. Dessa inkluderar genomsnitt, frekvenser, antal på varandra följande dagar etc.

Etikett (Y) Definition - Målvariabeln (Y) kommer att definieras med hjälp av dagliga dagboksanteckningar och före behandling-enkäter. Fältet "migrän nästa dag" fungerade som målutfall. Ett värde på 1 (migrändag) tilldelades om migrän rapporterades på nästföljande kalenderdag; ett värde på 0 (icke-migrändag) tilldelades om ingen migrän rapporterades. Saknade värden behölls som null för att fånga potentiell information inneboende i deras icke-slumpmässiga förekomst.

En dag klassificeras som migrändag (Y = 1) om båda följande villkor uppfylldes: A) Huvudvärksnivå rapporterades som mild, måttlig eller svår i dagboken eller före behandling-enkät. B) Minst en ytterligare migränindikator var närvarande: intag av migränrelaterade läkemedel, eller rapportering av fotofobi, fonofobi, illamående och/eller kräkningar, eller aura i dagboken eller före behandling-enkät.

Följande standard ML-resultatmått användes för att utvärdera modellens prestanda:

Precision - andelen migrändagar korrekt förutsagda, av alla förutsagda dagar.

Träffsäkerhet - andelen dagar korrekt förutsagda (migrän och icke-migrän), av alla förutsagda dagar.

Känslighet (även kallad återkallningsgrad) - andelen migrändagar korrekt förutsagda, av alla migrändagar.

Specificitet - andelen icke-migrändagar korrekt förutsagda, av alla icke-migrändagar.

Area Under the Curve (AUC) - sannolikheten att modellen rankar en migrändag högre än en icke-migrändag, baserat på förutsagda riskpoäng (sammanfattar modellens förmåga att skilja mellan migrän- och icke-migrändagar över alla klassificeringströsklar).

F1-poäng - balansen mellan korrekt förutsagda migrändagar och att undvika felaktigt förutsagda migrändagar, kombinerar känslighet och precision i ett mått.