研究人员建议，除了监测患者的临床特征外，监测每日步数可以预测和预防正在接受放化疗（CRT）的癌症患者因急性事件而住院。通过分析可穿戴设备的步数数据，可以预测哪些患者可能在接下来的一周内住院。这项研究于10月24日在2022年美国放射肿瘤学会（ASTRO）年会上发表。

 

加州大学旧金山分校（UCSF）放射肿瘤学和计算健康科学助理教授Julian Hong评论道:“如果能预测到患者意外住院的风险，就可以改变癌症治疗的方式，减少患者最终住进急诊室或医院的可能性。”

 

该研究的主持者、加州大学旧金山分校的临床数据科学家Izzy Friesner在一份声明中说:“随着越来越多的人开始使用可穿戴设备，因此出现了数据收集的问题。我们的研究表明，让患者在日常生活中收集自己的健康数据是有价值的，我们可以使用这些数据来监测和预测患者的健康状况。在处理现实世界的可穿戴设备的数据时，面临的挑战之一是设备拥有者的经济和种族差异。”

 

 

在这项研究中，研究小组收集了124名正在接受CRT的癌症患者的数据，这些患者参与了三项前瞻性临床试验（NCT02649569、NCT03102229和NCT03115398），由纽约Montefiore医疗中心的Nitin Ohri等人进行研究分析。这些患者患有多种癌症，包括头颈部癌症（30%）和肺部肿瘤（29%）等。患者佩戴的健身追踪器可以在数周内监测他们的活动。研究小组将70%的患者随机分配到训练集，剩下的30%分配到保留测试集。他们收集了急性事件的潜在预测因素的信息，如年龄、ECOG PS评分、癌症部位、临床特征以及许多的步数指标。

 

在将杂乱的每日步数的数据平滑为3天均值后，研究人员确定了第一次住院前1周的预测窗口，然后收集1周预测日之前2周的步数数据。为了分析数据，使用了弹性网络正则化执行逻辑回归、随机森林分析和稀疏输入神经网络。

 

在CRT期间首次住院事件率为27%的情况下，研究小组发现弹性网模型的表现最好，可强烈预测接下来一周的住院治疗。受试者工作特征曲线（AUC）下的面积为0.80，显著高于单纯将模型局限于临床特征时的AUC 0.46（P<0.001）。

 

“预测窗口之前的步数通常比临床变量更具有预测性，”研究合著者、加州大学旧金山分校Julian Hong说。“步数是动态的，每天都在变化，这似乎使其成为患者健康状况的一个特别好的指标。”

 

该团队开发的模型会在即将进行的试验NRGF-001中进行检验，该试验将接受CRT治疗的肺癌患者随机分配，评估有或没有每日步数监测对患者的影响。

 

参考文献

American Society for Radiation Oncology(ASTRO)2022 Annual Meeting:Abstract 132.Presented October 24，2022.