孟加拉国癌症患者健康相关生活质量的社会经济、治疗和社会人口统计学预测因素

《Scientific Reports》：Socioeconomic, treatment, and sociodemographic predictors of health related quality of life among cancer patients in Bangladesh

　　## 摘要在低收入和中等收入国家的癌症患者面临着严重的身体、心理和经济方面的挑战，这些都损害了他们的生活质量（QoL）。本研究评估了孟加拉国癌症患者的社会经济障碍、临床治疗以及与健康相关生活质量（HRQoL）相关的社会人口学预测因素。本研究采用横断面研究设计，于2025年7月至9月在达卡和查滕格罗的三所三级医院中随机纳入278名癌症住院患者。通过访谈和病历记录收集社会人口学状态、临床特征和社会经济障碍数据。采用EORTC QLQ-C30量表评估HRQoL，并依据总体健康状况评分的中位数进行分组分析。经过Boruta特征选择后，采用分层10折交叉验证开发了10种机器学习分类器，并通过SHapley加性解释（SHAP）实现模型可解释性。平均QoL总体健康得分严重受损（23.73 ± 13.59），疲劳（79.94 ± 26.01）、疼痛（71.35 ± 27.86）和经济困难（89.41 ± 19.76）等症状负担均较高。双变量分析显示，收入、教育程度、婚姻状况、家庭类型、诊断方式、照护者支持和治疗融资方式与QoL存在显著关联。在主分析（中位数分组）中，Boruta确认了27个预测变量，梯度提升机（GBM）和CatBoost表现最佳（准确率0.914，95% CI 0.874–0.944；ROC-AUC 0.939；PR-AUC 0.954），远超无信息率0.622。CatBoost模型的SHAP分析识别出癌症诊断方式、家庭类型、家庭月收入、主要照护者身份和治疗费用融资方式是最具影响力的预测变量。机器学习方法发现了HRQoL的关键社会人口学和社会经济决定因素，突显了需要实施针对性的经济保障措施、以照护者为中心干预策略、患者教育以及加强姑息治疗可及性，以减少住院肿瘤医疗服务中的不平等现象。