このページは機械翻訳されています。他のページは英語で表示される場合があります。 View in English

黒人と白人の人種,性別,年齢を問わず,脳卒中リスク予測モデルの予測精度

Chuan Hong ^1,2, Michael J Pencina ^1,2,3, Daniel M Wojdyla ³

⁰Duke AI Health, Durham, North Carolina.

Jama +

|

2023年1月24日

PubMedで要約を見る

まとめ

既存の脳卒中リスク予測モデルは似たような性能を示したが黒人の場合の精度が悪かった. 新しい機械学習技術は脳卒中の予測を向上させず人種間の格差に対処するためによりよいリスク要因とモデルが必要であることを強調しました

科学分野

心臓病科
公衆衛生
流行病学

背景

アメリカでは脳卒中が死と障害の主な原因で黒人のリスクが高くなります
正確で公平なリスク予測アルゴリズムは効果的な脳卒中予防戦略に不可欠です

研究の目的

新発性脳卒中を予測するための脳卒中特有のアルゴリズムと動脈硬化性心血管疾患 (ASCVD) の集合コホート方程式を比較する.
人種,性別,年齢のサブグループでこれらのモデルのパフォーマンスを評価する.
新しい機械学習技術が脳卒中リスクの予測を改善するかどうかを判断するためです

主な方法

1983年から2019年までの4つの米国研究 (フレミングハム・オフスプリング,ARIC,MESA,REGARDS) の調和したデータを用いた後向きコホート研究.
前回の脳卒中または一時的な血栓性発作のない45歳以上の62, 482人の参加者を含む.
10年後の脳卒中リスク予測を,脳卒中特有のモデル,ASCVDの集合コホート方程式,新しい機械学習アルゴリズム,差別分析 (C指数) と校正を用いて評価した.

主要な成果

総合的なサンプルでは,脳卒中特有のモデルと集団コホート方程式の区別において有意な差異は認められませんでした.
すべてのモデルは白人に比べて黒人の差別が著しく悪かったことを示しました
REGARDSの自己報告モデルは,最高の校正を示した (予想されるイベント比率に最も近い).
新しく開発された機械学習アルゴリズムは予測の精度を大幅に向上させませんでした

結論

現在の脳卒中リスク予測モデルと新しい機械学習技術は特に黒人の場合精度が十分に向上していません
モデルのパフォーマンスにおける人種差異は,追加のリスク要因の特定とモデリングアプローチの改善を必要とします.
REGARDSの自己報告モデルは,評価された方法の中で最高の校正を示した.