使用电子健康记录数据发现基于树的子组:用于含有DTG的疗法治疗效果的异质性
Jiabei Yang1, Ann W Mwangi2,3, Rami Kantor4
1Department of Biostatistics, School of Public Health, Brown University, Providence, RI 02903, USA.
Biostatistics (Oxford, England)
|July 21, 2023
概括
这项研究引入了一种新的算法,通过使用电子健康记录,找到对艾滋病毒治疗有不同的反应的患者子组. 它确定了在特定抗逆转录病毒疗法下体重增加的风险较高的个体.
科学领域:
- 生物统计学 生物统计学
- 医疗信息学 医疗信息学
- 流行病学 流行病学
背景情况:
- 电子健康记录 (EHR) 提供丰富的纵向数据来分析治疗效果异质性.
- 从电子健康记录数据中估计治疗效应是复杂的,因为时间变化混,非对齐的测量和损失后跟踪.
研究的目的:
- 开发和应用一种新的算法,用于在纵向数据中发现子组.
- 使用EHR数据识别具有异质治疗效果的患者子组.
主要方法:
- 开发了纵向数据算法的子组发现,将通用交互树与纵向目标最大概率估计相结合.
- 将算法应用于电子健康记录数据.
主要成果:
- 确定了感染人类免疫缺陷病毒 (HIV) 的人群子组.
- 与不含DTG的ART相比,发现特定的亚组在接受含杜洛特格拉维尔 (DTG) 的抗逆转录病毒疗法 (ART) 治疗时,体重增加的风险更高.
结论:
- 开发的算法有效地从纵向EHR数据中识别出具有异质治疗效果的子组.
- 这种方法可以为艾滋病毒患者提供个性化治疗策略,特别是与特定ART相关的体重增加风险.


