论文标题：Predictive Modeling of Factors Influencing Adherence to SGLT-2 Inhibitors in Ambulatory Care: Insights from Prescription Claims Data Analysis

论文链接：https://www.mdpi.com/2226-4787/12/2/72

期刊名：Pharmacy

期刊主页：https://www.mdpi.com/journal/pharmacy

在全球范围内，2型糖尿病、心力衰竭及慢性肾脏病的疾病负担持续攀升。钠-葡萄糖协同转运蛋白2抑制剂（SGLT2i）作为一类新型口服降糖药，凭借其在治疗中的心血管与代谢双重获益表现，已成为慢病管理领域的"明星药物"。然而，尽管临床试验证据充分且获指南强烈推荐，真实世界中的处方率和患者依从性却不尽如人意——如何精准识别那些可能中断治疗的高风险患者，成为临床亟待解决的现实难题。现有研究多聚焦于他汀类或注射制剂的依从性预测，针对SGLT2i这一相对较新药物类别的依从性模式研究仍属空白。为此，来自美国洛杉矶西海岸大学的Nadia Khartabi博士及其合著作者们在Pharmacy期刊发表了一项回顾性研究，利用EPIC电子健康档案系统中的电子病历（EMR）以及患者的处方配药记录，首次构建了SGLT2i用药依从性的预测模型，通过机器学习算法识别出影响患者持续用药的关键风险因素，为临床制定个体化干预策略提供了数据驱动的决策工具。

研究过程与成果

本研究为回顾性观察研究，纳入了2020年1月至2021年4月期间在加州大学圣地亚哥健康系统门诊药房接受SGLT2i处方的174名成年患者，涵盖2型糖尿病、慢性肾病和心力衰竭患者。研究从EPIC电子健康档案中提取了年龄、性别、种族、合并症、糖化血红蛋白（HbA1c）、估算肾小球滤过率（eGFR）、保险类型及支付金额等21项变量，以药房提供的药物覆盖天数比例（PDC）≥0.8作为依从性判定标准，将患者分为高依从性组与低依从性组，并采用LASSO（最小绝对收缩和选择算子）回归、CART（分类和回归树）及前后向特征选择等多种机器学习方法构建预测模型。

模型验证结果显示，CART模型表现最优，曲线下面积（AUC）达74%，整体准确率为82%，敏感性85%，特异性69%，共纳入21个预测变量。模型揭示的关键发现颇具临床启示：糖化血红蛋白水平是最重要的预测节点——当HbA1c≥8.9%时，患者依从性显著下降，呈现明显的负相关关系；而保险计划支付金额则与依从性呈正相关，即保险报销比例越高，患者持续用药的可能性越大。此外，男性性别与较低依从性相关，而恩格列净/二甲双胍复方制剂及卡格列净等特定药物的选择则显示出更好的依从性趋势。

受试者工作特征（ROC）曲线

此外，研究进一步验证了依从性与临床疗效的关联。高依从性组（PDC≥0.8）的HbA1c水平在治疗90天后显著优于低依从性组（7.4% vs 9.6%，p<0.001），且肾功能保护方面亦呈现类似趋势——研究终点时高依从性组的eGFR平均为59.6 mL/min/1.73m²（p<0.001），而低依从性组仅为53.1 mL/min/1.73m²（p<0.001），提示坚持服药对延缓肾功能下降具有积极意义。值得注意的是，两组患者在保险类型上存在差异：高依从性组中拥有联邦政府保险占比仅为4%，而低依从性组中这一比例上升至12%。高依从性组的平均自付费用为12.56美元，高于低依从性组的5.07美元。这一结果表明，经济可负担性并非依从性的唯一决定因素，保险覆盖类型、患者疾病认知及用药习惯等可能发挥更为关键的作用。

最终的CART（分类与回归树）预测模型

讨论与结论

SGLT2i作为兼具降糖与心血管保护作用的新型药物，在2型糖尿病、心力衰竭和慢性肾病患者中展现出广阔应用前景。本研究基于加州大学圣地亚哥健康系统门诊药房的数据，证实HbA1c、年龄、性别和保险支付金额是预测用药依从性的关键变量。这些发现为社区药师识别高风险患者、设计个体化用药管理方案提供了数据支撑——通过预测分析工具，可在治疗早期锁定依从性不佳人群，及时采取干预措施，从而减少并发症、降低住院率和医疗成本。未来研究方向在于进一步细化和拓展非依从风险预测模型，纳入更多社会行为学变量和动态临床指标，实现从"事后分析"到"事前预防"的转变。预测建模技术的临床应用，不仅有助于提升个体化预防保健水平，更将为慢病管理的精准化和智能化开辟新路径。

Pharmacy 期刊介绍

主编：David J. Wright, University of Leicester, UK

期刊主题涵盖药学服务及临床药学实践、药学教育与培训、药物信息学、分析学及相关技术、药物经济学、法律法规等药物及医疗卫生领域多个方面。目前期刊已被ESCI (Web of Science)、PubMed、PMC、Embase等多个数据库收录。