开发和验证一种模型,使用电子健康记录数据预测入院时轻度中风的严重程度
Kimberly J Waddell1, Laura J Myers2, Anthony J Perkins3
1VA Center for Health Equity Research and Promotion (CHERP), Crescenz VA Medical Center; Philadelphia, PA, USA; Department of Physical Medicine and Rehabilitation, Perelman School of Medicine, University of Pennsylvania; Philadelphia, PA, USA; Leonard Davis Institute for Health Economics, University of Pennsylvania; Philadelphia, PA, USA.
概括
我们开发了一个模型,使用电子健康记录来预测最初的中风严重程度,改善中风护理评估. 这种方法可以准确估计中风的严重程度,有助于更好地评估患者的结果.
科学领域:
- 神经学 神经学
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 最初的中风严重程度对于预测患者的结果至关重要.
- 电子健康记录 (EHR) 数据在准确捕捉初始中风严重程度方面存在挑战.
- 准确的中风严重程度数据对于在中风护理评估中进行风险调整至关重要.
研究的目的:
- 使用EHR数据元素开发和验证初始中风严重程度的预测模型.
- 从易于获得的EHR数据创建可靠的初始中风严重性的替代措施.
- 提高风险调整中风护理和结果在人口层面的能力.
主要方法:
- 一项对15346名接受美国退伍军人事务部医院治疗的缺血性中风患者的观察性队列研究.
- 从EHR数据中提取了65个独立预测因素.
- 开发一个后勤回归模型来预测轻度与中度/重度中风,在单独的导出和验证队列上进行验证.
主要成果:
- 最终的模型使用了15个EHR变量,在导出样本中达到70.4%的分类准确率,在验证样本中达到69.4%.
- 在导出和验证队列中,预测中风严重性的曲线下面面积 (AUC) 为0.76.
- 该模型在分层30天死亡风险方面的表现与观察到的美国国立卫生研究院中风量表 (NIHSS) 评分相当.
结论:
- 电子健康记录 (EHR) 数据可以有效地用于创建初始中风严重程度的替代指标.
- 建议进行进一步的研究,以完善中度和重度中风之间的区别.
- 开发的模型显示了将其纳入中风护理和结果评估的希望.
