使用电子索赔记录预测肺癌:基于变压器的方法
IEEE journal of biomedical and health informatics
|October 12, 2023
概括
这项研究引入了一个新的肺癌预测框架,使用电子索赔记录 (ECR) 和先进的变压器模型. 该方法有效地识别了早期的肺癌,具有很高的预测能力,使得及时的临床干预成为可能.
科学领域:
- 医疗信息学 医疗信息学
- 医学数据科学 医学数据科学
- 计算流行病学计算流行病学
背景情况:
- 电子索赔记录 (ECR) 为医疗应用提供标准化,纵向数据,与电子医疗记录 (EMR) 相反.
- 现有的模型往往忽视了对新疾病发病率和早期癌症预测的严格队列选择.
- 索赔数据建模显示有希望,但需要精细的方法用于特定的应用程序,如肺癌检测.
研究的目的:
- 开发和评估一个利用电子索赔记录的肺癌预测框架.
- 实施严格的排除设计,以准确选择队列,专注于新疾病发病率.
- 用最先进的基于序列的变压器模型来增强早期肺癌预测.
主要方法:
- 用最先进的基于序列的变压器模型进行预测分析.
- 应用严格的排除标准设计用于队列选择以确定新肺癌病例.
- 验证了台湾全人口数据集的框架,涵盖了肺癌的所有阶段.
主要成果:
- 在所有阶段的肺癌中,获得了超过2.1的预测力,平均正预测值 (PPV) 为5,曲线下面积 (AUC) 为0.668.
- 在早期肺癌预测方面表现强,预测能力约为2.0,平均PPV为1,AUC为0.645.
- 亚队列分析确定了优先临床检查的高精度组,发病分析验证了排除标准的有效性.
结论:
- 拟议的框架有效预测肺癌,包括早期阶段,使用电子索赔记录.
- 在索赔数据分析中,严格的排除标准对于准确的发病率预测和队列选择至关重要.
- 这种方法建立了一个适用于大规模索赔数据集的最新疾病风险预测框架.
相关概念视频
01:21Cancer Survival Analysis
359
Cancer survival analysis focuses on quantifying and interpreting the time from a key starting point, such as diagnosis or the initiation of treatment, to a specific endpoint, such as remission or death. This analysis provides critical insights into treatment effectiveness and factors that influence patient outcomes, helping to shape clinical decisions and guide prognostic evaluations. A cornerstone of oncology research, survival analysis tackles the challenges of skewed, non-normally...
359
01:25Statistical Methods for Analyzing Epidemiological Data
385
Epidemiological data primarily involves information on specific populations' occurrence, distribution, and determinants of health and diseases. This data is crucial for understanding disease patterns and impacts, aiding public health decision-making and disease prevention strategies. The analysis of epidemiological data employs various statistical methods to interpret health-related data effectively. Here are some commonly used methods:
385