電子医療記録データを用いたトラウマ後ストレス障害の予測モデルにおける誤った結果:アルゴリズム検証研究

科学分野:

• コンピューター精神科
• 医療情報学
• 医療における機械学習

背景:

• 電子医療記録 (EHR) は,トラウマ後ストレス障害 (PTSD) の予測モデル化にますます使用されています.
• EHRデータには 診断の誤差や医療の利用の差など バイアスが含まれる可能性があります
• EHRベースのPTSD予測と厳格な診断基準の正確性はよく理解されていません.

研究 の 目的:

• EHRベースのPTSD診断と半構造面接に基づくPTSD診断の予測モデルのパフォーマンスを比較する.
• モデルの性能の不一致を定量化する.
• 性能の違いを導くメカニズムを調べる

主な方法:

• 機械学習モデル (弾性網,ランダムフォレスト,XGBoost) を比較して,1343人の米国退役軍人のDSM-5 (SCID-5) の構造化された臨床面接データからPTSDを予測した.
• ネストされたクロス・バリデーション・スキームを利用した.
• モデルでは29のEHR訪問数変数と8の人口統計的変数を用いた.

主要な成果:

• EHRベースのPTSD診断は,SCID-5と73.3%の一致を示し,17.8%の偽否定と8.9%の偽陽性を示した.
• EHRベースのPTSDを予測するモデルは高いパフォーマンスを達成した (AUC .85.9;MCC .58.69).
• SCID-5ベースのPTSDを予測したモデルは,医療訪問頻度によって影響を受け,中程度のパフォーマンスを示した (AUC .71.76;MCC .24.28).

結論:

• EHRデータのみを使用したPTSDの予測モデルは,構造化された臨床インタビューを使用したモデルと比較して膨らんだパフォーマンスメトリックを示しています.
• 医療の利用と EHR ベースの診断の間の循環的な関係から得られたものです
• EHRベースの診断は,真のPTSDの基準に十分な代理ではないかもしれません. EHRのみの予測モデルを解釈する際には注意を払うことをお勧めします.