分析纵向抗糖尿病药物使用模式：一种基于数据的聚类框架

《BMC Medical Informatics and Decision Making》：Analyzing longitudinal antidiabetic medication patterns: a data-driven clustering framework

　　

摘要

背景

抗糖尿病药物在支持血糖控制方面发挥着关键作用，这对于预防或延缓糖尿病相关并发症至关重要。虽然以往的研究通常关注孤立的治疗转变，例如首次或第二次治疗的开始，或者像强化治疗这样的单一事件，但很少有研究关注长期的用药轨迹。本研究采用了一种新颖的时间序列聚类方法，来识别Medicare受益者在三年期间的常见抗糖尿病药物使用模式，并比较具有相似治疗路径的患者群体之间的人口统计和临床特征。

方法

本研究对开始使用二甲双胍单药治疗并在三年随访期间接受抗糖尿病药物的Medicare受益者进行了回顾性队列研究，期间设有一年的洗脱期，以确保他们在开始治疗前未曾使用过抗糖尿病药物。根据同时使用的药物数量的变化，定义了五种类型的转变（转换、强化、减量、停药和重新开始），以描述纵向的用药模式。动态时间扭曲技术被用来衡量用药序列之间的成对相似性，以适应时间和持续时间的差异。采用“围绕Medoids进行划分”的聚类方法将具有相似用药模式的患者分组。

结果

在4,616名符合条件的患者中，发现了222种不同的用药模式。最常见的模式包括持续使用二甲双胍单药治疗（36.3%）、反复停药和重新开始（23.1%）、一次性停药（14.2%）、转换用药（3.0%）以及强化治疗（2.8%）。这些模式被分为五个具有临床意义的组。组间比较表明，非西班牙裔黑人患者更有可能停药，而女性患者更有可能接受强化治疗。转换或重新开始治疗的患者往往年龄较大，合并症更多，急诊和住院就诊率也更高。

结论

本研究展示了结合序列分析和无监督聚类方法揭示随时间变化的复杂用药模式的价值。了解这些用药轨迹及其相关差异有助于数据驱动的决策制定，并指导个性化干预措施，以改善药物依从性和实现公平的糖尿病护理。