基于电子健康记录的算法开发,用于预测肺癌查资格在以人口为基础的研究中,以优化查过程肺癌研究联盟
Andrea N Burnett-Hartman1, J David Powers1, Brian P Hixon1
1Institute for Health Research, Kaiser Permanente Colorado, Aurora, CO.
JCO clinical cancer informatics
|November 1, 2023
概括
这项研究开发了一种使用电子健康记录的多变量模型,以准确识别符合肺癌查 (LCS) 资格的个人. 该模型有助于医疗保健系统有效地找到符合LCS标准的患者,从而改善肺癌的早期检测.
科学领域:
- 肺部医学 肺部医学
- 医疗信息学 医疗信息学
- 癌症查 癌症查
背景情况:
- 肺癌查指南 (LCS) 建议对年龄在50-80岁的个体进行查,这些个体有显著的吸烟史 (≥20包年),目前吸烟或在15年内戒烟.
- 准确识别符合条件的个人对于有效实施LCS和早期肺癌检测至关重要.
研究的目的:
- 从电子健康记录 (EHR) 数据中评估与吸烟相关的简单标准的表现,以预测LCS资格.
- 开发和验证使用EHR数据的多变量预测模型,以识别符合LCS条件的个人.
主要方法:
- 利用了基于人口的研究来优化查过程肺部联盟 (PROSPR-Lung) 的数据.
- 在EHR数据 (人口统计数据,吸烟史,诊断,药物) 上进行多变量逻辑回归 (最小绝对缩小和选择操作员),以用于模型开发.
- 通过在一个卫生系统内使用单独的培训和测试数据集和在另一个卫生系统中外部验证模型,报告AUC,灵敏度,特异性,PPV和NPV.
主要成果:
- 多变量模型在预测LCS资格方面取得了高的整体性能,在两个卫生系统中AUC值为0.940和0.938.
- 在尤登指数切线时,该模型表现出强大的精度 (0.855-0.895),灵敏度 (0.886-0.920) 和特异性 (0.850-0.896).
- 负预测值显著高 (0.988-0.992),表明强有力的排除资格不合格的能力.
结论:
- 由EHR衍生的多变量预测模型可以有效地帮助卫生系统识别符合肺癌查条件的个人.
- 这种方法有助于更有效,更准确地为LCS选择患者,可能改善肺癌的结果.
