Epatite B: migliorare lo screening sfruttando solo i dati demografici

L’epatite B cronica (CHB) è una patologia capace di colpire oltre 290 milioni di persone nel mondo e solo il 10% è stata efficacemente diagnosticata, presentando una grave lacuna che deve essere affrontata. Per far fronte a questo problema, i ricercatori hanno ritenuto necessario sviluppare dei modelli di regressione logistica e di apprendimento automatico (Random Forest) utili all’identificazione precisa e precoce di pazienti affetti da HBV, utilizzando però solo dati demografici facilmente reperibili da un set di dati basato sulla popolazione.


I partecipanti sono stati selezionati attraverso un’analisi dei dati riguardanti: la presenza dell’antigene di superficie dell’epatite B (HBsAg), l’anno e il luogo di nascita, il sesso e la razza/etnia. Successivamente la coorte è stata divisa in due gruppi – il primo di calibrazione dei dati (Training group, n = 39.119), il secondo di convalida (Validation group, n = 21.569) – e studiati secondo due diversi modelli matematici. La coorte complessiva era composta per il 49.2% da maschi, 39.7% da bianchi, 23.2% da neri, 29.6% da ispanici e 7.5% da asiatici/altri, con un anno di nascita mediano collocato al 1973.


Attraverso l’analisi multivariata, è emerso che determinati fattori (anno di nascita 1991 o successivi, sesso maschile, nero e asiatico/altro, luogo di nascita Stati Uniti) fossero maggiormente associati all’infezione da HBV, andando quindi a delineare un determinato schema di risposta.


I risultati conclusivi relativi ai due modelli adottati hanno dimostrato come il modello di apprendimento automatico sia risultato migliore e più preciso del modello di regressione logistica utilizzato normalmente, con valori AUROC più alti e una migliore differenziazione degli individui tra alto e basso rischio. Gli esperti sono perciò riusciti a elaborare, e dimostrare, che il nuovo modello adottato è ampiamente in grado di fornire un approccio semplice e mirato allo screening dell’HBV, utilizzando esclusivamente i dati demografici facilmente reperibili dei pazienti.


Fonte: Hepatology

IT-NON-05440-W-09/2023