Vorhersage der Immunogenität von COVID-19-Impfstoffen bei Hämodialysepatienten mit Nierenerkrankungen

Personen mit chronischer Nierenerkrankung, insbesondere solche, die eine regelmäßige Hämodialysebehandlung erhalten, haben eine höhere Wahrscheinlichkeit, an schweren Symptomen und an COVID-19 zu sterben. Diese Studie zielte darauf ab, den optimalen Impfansatz für diese Personen zu untersuchen. Die Studie verwendete Datenanalysetasks wie Datenvorverarbeitung, Bereinigung und Erkundung, und es wurden maschinelle Lernmodelle eingesetzt, darunter lineare Regression, Random Forest, XGBoost, Gradient Boosting, AdaBoost, Entscheidungsbäume, Lasso und Ridge-Regression, um das prädiktive Modell zu erstellen. Die Studie ergab, dass das Lasso-Modell insgesamt am besten darin abschneidet, die Spiegel von anti-S IgG-Antikörpern als Reaktion auf COVID-19-Impfstoffe für Menschen mit Nierenversagen vorherzusagen, mit einem MAE von 8,81, RMSE von 19,59 und einem R2-Wert von 0,93. Der angepasste R2-Wert für das Lasso-Modell betrug ebenfalls 0,93, was darauf hinweist, dass die Fähigkeit des Modells, die Varianz in den Daten zu erklären, nicht von der Anzahl der Prädiktoren im Modell beeinflusst wurde. Das Random Forest-Modell sagte die Dauer der Immunogenität am besten voraus, mit R2- und angepassten R2-Werten von 0,71 und 0,69. Das Ensemble-Modell, das alle acht Modelle umfasst, d.h. Ridge, Lasso, lineare Regression, Random Forest, AdaBoost, Gradient Boosting, XGBoost und Entscheidungsbaum, hat die beste Leistung mit dem niedrigsten MAE, dem niedrigsten RMSE, dem höchsten R2 und den höchsten angepassten R2-Werten von 3,91, 5,00, 0,73 und 0,72. Weitere Forschung ist jedoch erforderlich, um diese Modelle zu validieren und ihre Anwendung auf verschiedene Populationen und Impftypen zu erweitern, sowie andere Faktoren zu berücksichtigen, die die Immunantwort auf COVID-19-Impfstoffe beeinflussen können. Diese Ergebnisse können hilfreich sein, um Impfstrategien zu verbessern und die öffentliche Gesundheit zu fördern.