日本重症药疹患者死亡率预测新标志物的多算法模型构建与验证

来自日本的研究人员针对Stevens-Johnson综合征(SJS)和中毒性表皮坏死松解症(TEN)现有评分系统(SCORTEN/ABCD-10)样本量局限的问题，采用逐步回归、L1正则化逻辑回归和随机森林三种算法，基于5966例患者数据构建死亡率预测模型，首次揭示性别、高脂血症等基础疾病、合并用药数量及给药途径等新型预测因子，为重症药疹临床决策提供新依据。

　　

在重症药疹领域，Stevens-Johnson综合征(SJS)和中毒性表皮坏死松解症(TEN)的死亡率预测一直依赖SCORTEN和ABCD-10评分系统，但这些模型建立时样本量有限。这项研究从日本药品不良反应数据库中提取5966例SJS/TEN患者数据，创新性地结合逐步回归、L1正则化逻辑回归(L1-LR)和随机森林(RF)三种算法构建预测模型。

分析发现，男性性别、特定基础疾病(高脂血症、糖尿病、肾功能不全、恶性肿瘤)、严重并发症(肝肾功能衰竭、呼吸衰竭、败血症、弥散性血管内凝血_(DIC)、休克及多器官衰竭)、合并用药数量以及注射给药方式共同构成死亡风险因素。尤为值得注意的是，高脂血症作为基础疾病与死亡率的关联性系首次被揭示，而抗炎镇痛药的使用和静脉给药途径也展现出显著预测价值。

该研究不仅验证了传统评分系统的部分要素，更通过机器学习方法挖掘出新型生物标志物，为临床早期识别高危患者提供了更全面的评估维度。研究者特别指出，这些发现仍需通过多中心研究进一步验证其外部适用性。