AUD-DSS:用于早期发现酒精使用障碍患者的决策支持系统
Ali Ebrahimi1, Uffe Kock Wiil2, Ruben Baskaran2
1SDU Health Informatics and Technology, The Maersk Mc-Kinney Moller Institute, University of Southern Denmark, Odense, Denmark. aleb@mmmi.sdu.dk.
BMC bioinformatics
|September 1, 2023
概括
这项研究开发了一种酒精使用障碍预测模型 (AUDPM),以便早期检测AUD患者. AUDPM实现了高精度,超越单个模型,并帮助临床决策支持.
科学领域:
- 机器学习在医疗保健中的应用
- 临床决策支持系统 临床决策支持系统
- 公共卫生信息学 公共卫生信息学
背景情况:
- 酒精使用障碍 (AUD) 导致显著的死亡率,发病率和受伤率,晚期识别加剧了患者的问题.
- 目前对AUD的查工具存在局限性,导致延迟专业治疗和干预.
- 早期发现AUD对于减轻其广泛的负面影响至关重要.
研究的目的:
- 开发一个有效的酒精使用障碍预测模型 (AUDPM) 用于早期患者诊断.
- 将AUDPM集成到医疗保健提供者的临床决策支持系统 (DSS) 中.
- 改善对患有AUD的个人的及时识别和干预.
主要方法:
- 利用了来自奥登塞大学医院的2571名患者的数据集,包括问卷和电子健康记录.
- 采用了数据预处理技术:k-最近邻居归算和递归特征消除.
- 开发了一个整体机器学习模型,将多个算法 (SVM,KNN,决策树,随机森林,XGBoost) 结合起来,用于AUD预测.
- 应用了混合合成少数超采样技术编辑的最近邻近方法,用于数据平衡和降低噪音.
主要成果:
- 与单个模型相比,拟议的AUDPM整体表现出优越的性能.
- 实现了高分类指标:0.96精度,0.94回忆,0.95F1得分和0.97准确度.
- 成功设计和开发了一种AUD-DSS的原型.
结论:
- 对于早期AUD检测,AUDPM表现出高分类性能.
- 确定了与早期识别AUD相关的关键临床因素.
- AUD-DSS旨在融入丹麦医疗保健系统,以支持临床工作人员与患者识别和讨论潜在的有害酒精使用.
