高齢の入院患者の妄想に対する機械学習ベースのリスク予測モデルの開発と検証:前向きなコホート研究

科学分野:

• 高齢者医療
• 医療における人工知能
• クリニカル・インフォマティック

背景:

• 狂妄症は高齢の入院患者の一般的な合併症であり,有害な結果と関連しています.
• 早期発見と介入は 妄想症の管理に不可欠です
• 既存の予測方法には 精度や効率が欠けています

研究 の 目的:

• 機械学習 (ML) ベースの老年患者の妄想リスク予測モデルを開発し,検証する.
• 妄想を予測する 重要な臨床的特徴を特定する
• 妄想リスクの予測のための異なるMLアルゴリズムのパフォーマンスを比較する.

主な方法:

• 973人の高齢の入院患者を対象とした前向きなコホート研究.
• 電子医療記録から18の臨床的特徴を集めました
• ランダムフォレストを含む4つのMLモデルの開発と検証
• AUC,精度,感度,およびブライアスコアを用いた性能評価.

主要な成果:

• ランダムフォレストモデルは,AUC 0. 908,精度 0. 935,感度 0. 992を達成した.
• MLモデルは,トレーニングとテストセットの両方で高い予測性能を示しました.
• このモデルは 妄想のリスクのある患者を 効果的に特定しました

結論:

• 開発されたMLモデルは,高齢の入院患者の妄想に対する優れた予測性能を示しています.
• このツールは,医療従事者の早期診断と,情報に基づいた臨床意思決定を支援します.
• 早期発見は予防策と パーソナライズされたケア戦略を 容易にします