J Gen Intern Med：机器学习模型能准确预测多病患者1年死亡率
2018-08-03 王淳 环球医学
2018年6月，发表在《J Gen Intern Med》的一项由美国学者进行的概念验证研究，利用多病患者现有的住院末期电子病历记录数据开发和验证用于预测患者1年死亡率的机器学习模型。
2018年6月，发表在《J Gen Intern Med》的一项由美国学者进行的概念验证研究，利用多病患者现有的住院末期电子病历记录数据开发和验证用于预测患者1年死亡率的机器学习模型。
背景：预测临床多样化的多病住院患者队列的死亡非常困难。基于电子病历记录（EMR）数据研发1年死亡风险预后模型可改善临终关怀计划并对研究的风险进行调整。
目的：旨在考察患者住院末期人口统计学、生命体征和实验室数据集是否可准确用于量化其1年死亡风险。
设计：使用与国家死亡注册登记相连的电子病历记录数据进行的回顾性研究。
参与者：共计纳入4年期间6家医院的59848名住院患者。
主要测量：住院末期生命体征、全血细胞计数、基本和完整代谢组、人口统计学信息、ICD编码。首要结局指标为1年内死亡率。
结果：在验证数据集上检测模型性能。随机森林（RF）比逻辑回归（LR）模型在鉴别能力上更具优势。使用住院最终48小时的人口统计学、生命体征和实验室数据的最终数据集建立的用于预测1年内死亡的RF模型，其曲线下面积（AUC）为0.86（0.85~0.87）。年龄、血尿素氮、血小板计数、血红蛋白、肌酐是RF模型中最重要的变量。仅使用合并症变量的模型具有最低的AUC。具有较高死亡概率的患者中，RF模型低估率不超过10%。
结论：患者住院末期EMR数据集能准确用于评估多病住院患者的1年死亡风险。
原始出处：
Sahni N， et al. Development and Validation of Machine Learning Models for Prediction of 1-Year Mortality Utilizing Electronic Medical Record Data Available at the End of Hospitalization in Multicondition Patients： a Proof-of-Concept Study. J Gen Intern Med. 2018 Jun；33(6)：921-928. doi： 10.1007/s11606-018-4316-y.
分享
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
#机器学习模型#
154 举报
#机器#
176 举报
#Med#
159 举报
梅斯里提供了很多疾病的模型计算公式，赞一个！
144 举报