Fondo
Múltiples tratamientos son efectivos para el trastorno depresivo mayor (TDM), pero los resultados de cada tratamiento varían ampliamente entre las personas. Se necesita una predicción precisa de los resultados para ayudar a seleccionar un tratamiento que probablemente funcione para una persona determinada. Nuestro objetivo es examinar el rendimiento de los método...
Fondo
Múltiples tratamientos son efectivos para el trastorno depresivo mayor (TDM), pero los resultados de cada tratamiento varían ampliamente entre las personas. Se necesita una predicción precisa de los resultados para ayudar a seleccionar un tratamiento que probablemente funcione para una persona determinada. Nuestro objetivo es examinar el rendimiento de los métodos de aprendizaje automático para ofrecer predicciones replicables de los resultados del tratamiento.
Métodos
De 7732 registros no duplicados identificados a través de la búsqueda de literatura, retenemos 59 informes elegibles y extrajimos datos sobre la muestra, el tratamiento, los predictores, el método de aprendizaje automático y la predicción del resultado del tratamiento. Se utilizó un tamaño de muestra mínimo de 100 y un método de validación adecuado para identificar estudios de calidad adecuada.
Los efectos de las características del estudio sobre la precisión de la predicción se probaron con modelos de efectos mixtos. Cincuenta y cuatro de los estudios proporcionaron estimaciones de precisión u otras estimaciones que permitieron calcular la precisión equilibrada de la predicción de los resultados del tratamiento.
Resultados
Ocho estudios de calidad adecuada informaron una precisión media de 0, 63 [intervalo de confianza (IC) del 95%: 0, 56–0, 71], que fue significativamente menor que una precisión media de 0, 75 (IC del 95%: 0, 72–0, 78) en los otros 46 estudios. Entre los estudios de calidad adecuada, la precisión fue mayor al predecir la resistencia al tratamiento (0, 69) y menor al predecir la remisión (0, 60) o la respuesta (0, 56). La elección del método de aprendizaje automático, la selección de funciones y la proporción de funciones por personas no se asociaron con la precisión informada.
Conclusiones
La relación negativa entre la calidad del estudio y la precisión de la predicción, combinada con la falta de replicación independiente, invita a la precaución al evaluar el potencial de las aplicaciones de aprendizaje automático para personalizar el tratamiento de la depresión.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www.cambridge.org/