综述：Metaforest算法解析：ADHD中反安慰剂反应的预测因素

这篇综述通过Metaforest算法系统分析了注意力缺陷多动障碍（ADHD）随机对照试验（RCTs）中反安慰剂（nocebo）反应的影响因素，揭示患者年龄、发表年份、治疗时长和性别为关键调节变量（I2 =88.3%），但模型预测性能有限（R2 test=0.1922），为ADHD临床试验设计提供了方法学参考。

　　

Abstract
研究采用Metaforest算法对105项ADHD随机对照试验（RCTs）进行二次分析，探讨反安慰剂（nocebo）反应的影响因素。反安慰剂反应定义为安慰剂组出现至少1种不良事件（AE）的患者比例，结果显示55.4%患者出现反应，但研究间差异极大（4.2%-90.2%），异质性高达I²
=88.3%。

Methods
通过患者特征、干预措施和研究设计三方面协变量构建预测模型。Metaforest分析识别出年龄是首要调节因子，年长患者反应更显著（β=0.32，p<0.01）。发表年份（β=0.18）、治疗时长（β=0.15）和女性比例（β=0.12）亦具统计学意义。

Results
模型预测性能显示低至中度解释力：测试集R²
=0.1922，均方误差（MSE）为0.0408。值得注意的是，药物类型（兴奋剂vs非兴奋剂）和盲法设计未表现出显著调节作用。

Conclusion
尽管Metaforest成功识别出关键调节因子，但其预测新研究反安慰剂反应的能力有限。建议未来研究结合机器学习与生物标志物（如基因多态性）提升预测精度，同时需注意ADHD患者年龄分层对临床试验结果的影响。