Vinculación de Registros Electrónicos de Salud para la Investigación de Esclerosis Múltiple: Estudio Comparativo de...

Área de la Ciencia:

• Informática de la Salud; Farmacoepidemiología; Ciencia de Datos

Sus antecedentes:

• Los registros electrónicos de salud (HCE) son cruciales para la investigación farmacoepidemiológica.; La vinculación de datos de HCE desidentificados entre instituciones es un desafío debido a la ausencia de identificadores únicos de pacientes.; La Red Saudita de Evidencia en el Mundo Real (SRWEN) requiere técnicas sólidas de enlace de datos.

Objetivo del estudio:

• Evaluar y comparar métodos deterministas, probabilísticos y de aprendizaje automático (ML) de enlace de datos.; Evaluar el rendimiento del enlace para datos de pacientes con esclerosis múltiple (EM) desidentificados de los sistemas de HCE de SRWEN y del Ministerio de Sanidad de la Guardia Nacional.; Determinar la estrategia de enlace más eficaz para la generación de evidencia en el mundo real en la investigación de EM.

Principales métodos:

• Se empleó un marco de validación basado en simulación antes del enlace de datos del mundo real.; El enlace determinista utilizó reglas predefinidas.; El enlace probabilístico utilizó la coincidencia basada en puntuaciones de similitud.; Los enfoques de aprendizaje automático incluyeron redes neuronales, regresión logística y modelos de bosque aleatorio, empleando métodos de clasificación y basados en puntuaciones de similitud.; El rendimiento se evaluó utilizando matrices de confusión, centrándose en la sensibilidad, el valor predictivo positivo, la puntuación F1 y la eficiencia computacional.

Principales resultados:

• El enlace determinista logró una alta puntuación F1 de simulación (97,2%) pero mostró tasas de coincidencia variables en el mundo real (46,6%-86,6%) con alta eficiencia computacional (<1 segundo/regla).; El enlace probabilístico demostró un sólido rendimiento de simulación (puntuación F1 93,9%) con tasas de coincidencia más altas en el mundo real (65,5%-95,4%) y tiempos de procesamiento moderados (0,1-5 segundos/regla).; Los modelos de aprendizaje automático lograron las puntuaciones F1 más altas (hasta 99,8%) pero fueron computacionalmente intensivos, con tasas de coincidencia variables en el mundo real dependiendo del enfoque de ML específico.

Conclusiones:

• El enlace probabilístico ofrece una capacidad superior para vincular datos desidentificados, recuperando coincidencias perdidas por métodos deterministas.; Este enfoque es flexible y eficiente para escenarios del mundo real que carecen de identificadores únicos, equilibrando la recuperación y la precisión.; El enlace probabilístico facilita una mejor integración de diversas fuentes de datos, beneficiando significativamente la investigación de la esclerosis múltiple (EM).