机构名称：
¥ 1.0
方法 使用 TriNetX 进行了一项回顾性研究，TriNetX 是一个联合网络，包含来自北美 21 家医疗保健组织的符合《健康保险流通与责任法案》的匿名数据。研究对象为 2013 年 1 月 1 日至 2022 年 5 月 31 日期间被诊断患有乳腺癌的患者。我们研究了一种基于规则的无监督学习算法来提取药物及其给药模式。为了对相似的给药模式进行分组，我们在 k 均值聚类中使用了三个特征：给药总数、给药间隔天数中位数以及给药间隔天数的标准差。我们探索了针对患者的前三种治疗方法，这些患者根据诊断分期（早期为 I-III 期，晚期为 IV 期）和肿瘤受体对靶向治疗的敏感性分为六组：激素受体阳性/人表皮生长因子 2 阴性 (HR 1 / ERBB2 - )、ERBB2 阳性 ( ERBB2 1 /HR 6 ) 或三阴性 (TN; HR - / ERBB2 - )。为了增加得出的方案的可信度，我们将它们与美国国家综合癌症网络 (NCCN)：乳腺癌 (2.2023 版) 建议进行了比较。
在真实世界数据中探索乳腺癌系统性药物治疗模式
主要关键词
相关文件推荐
