近日研究人员依据电子病历（EMR）数据建立预测模型，以预测患者30天内再入院风险。
本次研究为系统回顾研究，收集2015年1月至2019年1月相关资料，涉及所有使用EMR数据的28天或30天医院再入院预测模型研究。研究的主要终点包括研究的特征、预测方法、预测特征和预测模型的性能。
在4442篇引文中，41项研究符合纳入标准。17个模型预测了所有患者的再入院风险，24个模型预测了特定人群的再入院风险，其中13个模型是为心脏病患者开发的。除了来自英国和以色列的两项研究外，所有的研究都来自美国。每个模型的总样本量在349到1195640之间。25个模型使用了分离样本验证技术。41项研究中有17项报告C统计值为0.75或更高。15个模型使用校准技术进一步完善模型。使用EMR数据使最终预测模型能够使用多种临床测量措施，如实验室结果和生命体征；然而，使用社会经济特征或功能状态的较少。使用自然语言处理，三个模型能够提取相关的社会心理特征，这大大改善了预测效果。有26项研究使用Logistic或Cox回归模型，其余研究使用AI学习方法。使用回归方法（0.71）建立的模型的平均C统计量与AI机器学习（0.74）之间未发现统计显著性差异。
总体而言，使用电子病历数据的预后预测模型具有较好的预测性能。
原始出处：
Elham Mahmoudi et al. Use of electronic medical records in development and validation of risk prediction models of hospital readmission： systematic review.BMJ. 08 April ，2020.
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#BMJ#
38
#患者预后#
35