对于老年女性乳腺癌患者的乳房切除术和乳房切除术的比较有效性分析:基于深度学习的大数据分析

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 生物统计学 生物统计学

背景情况:

• 随机临床试验 (RCT) 是黄金标准,但面临成本和现实世界的适用性等限制.
• 电子医疗记录 (EMR) 数据为模拟临床试验提供了一个大规模的替代方案.
• 深度学习分析管道可以克服大数据研究中传统回归的局限性.

研究的目的:

• 模拟使用EMR的大数据进行临床试验,以评估比较治疗有效性.
• 评估乳腺切除术与乳腺切除术对早期乳腺癌总体存活率的相对有效性.
• 展示一种基于深度学习的新型分析管道,用于模拟临床试验.

主要方法:

• 使用监测,流行病学和最终结果 (SEER) -医疗保险数据设计了一项仿真试验.
• 一个深度学习分析管道包括倾向性得分匹配,加权生存分析和引导推断.
• 这项研究比较了乳腺切除术和乳腺切除术在早期女性乳腺癌患者的整体存活率.

主要成果:

• 模拟试验包括65,997名患者 (50,704名隆瘤切除,15293名乳腺切除).
• 乳房切除和乳房切除显示出可比的整体生存结果 (生存年变化=0.08,95% CI: -0.08,0.25).
• 结果是特定于SEER-Medicare数据库中的老年早期女性乳腺癌患者.

结论:

• 挖掘大型EMR数据与深度学习分析相结合,是比较有效性研究的强大方法.
• 提出的分析策略可能广泛适用于其他临床研究问题.
• 这项研究提供了令人信服的证据,证明了乳腺切除术和乳腺切除术在整体生存期方面的比较有效性.