从电子健康记录中获取时间模式:适用于多病患者的应用

科学领域:

• 医疗信息学 医疗信息学
• 数据挖掘 数据挖掘
• 临床数据分析 临床数据分析

背景情况:

• 数字医疗数据的增长需要在数据库中进行先进的知识发现 (KDD).
• 从医疗事件中提取时间关系对于治疗优化,诊断和药物不良反应检测至关重要.
• 这项研究的重点是从加泰罗尼亚语和/或西班牙语的电子健康记录中提取患者进化模式.

研究的目的:

• 开发一种可靠的方法来提取临时协会规则 (TARs),考虑患者访问的顺序.
• 创建一个可配置的算法,能够从各种抽象级别的医疗实例序列中提取TAR.
• 从多病患者的临床病史中发现复杂的,多步骤的时间规则.

主要方法:

• 提出了一种提取临时关联规则 (TAR) 的配方,以多次患者访问为准.
• 开发了一个可配置的算法,从医疗实例的序列中提取TAR.
• 将该方法应用于加泰罗尼亚心脏病和中风多病患者的电子健康记录.

主要成果:

• 从患者数据中成功地提取了有意义和相关的时间模式.
• 专家验证证实了所识别的模式的准确性和相关性.
• 该方法证明了预测风险因素的能力,并提供了对其时间发生的见解.

结论:

• 该算法有效地提取时间模式,特别是对于多病患者.
• 专家评估验证了这些模式能够预测疾病风险因素及其时间方面的能力.
• 这些发现突显了该方法作为初级卫生保健和预防医学中宝贵的工具的潜力.