基于机器学习的预测模型,用于社区居住的非癌症老年人使用处方信息进行急诊室访问
Soyoung Park1, Changwoo Lee2,3, Seung-Bo Lee4
1College of Pharmacy and Research Institute of Pharmaceutical Sciences, Seoul National University, Seoul, 08826, Republic of Korea.
Scientific reports
|November 3, 2023
概括
在老年人中预测急诊室 (ED) 访问至关重要. 使用药物数据的机器学习模型可以识别高风险的个人进行初级保健干预.
科学领域:
- 老年学是一门学科.
- 医疗信息学 医疗信息学
- 临床药房 临床药房
背景情况:
- 老年人经常需要急诊室 (ED) 的访问,通常与药物使用有关.
- 使用处方数据预测ED访问的预测工具对于初级保健非常有价值.
- 识别有风险的老年人群可以改善医疗保健资源分配.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测65岁及以上成年人的ED访问.
- 确定这一群体中ED访问的关键人口统计和与药物相关的预测因素.
- 创建一个临床适用的工具,用于查高风险的老年患者使用ED.
主要方法:
- 利用65岁及以上患者的全国索赔数据.
- 开发并比较了八个机器学习模型,为最终模型选择了LightGBM.
- 包括146个变量,包括社会人口统计学,并发症和综合药物相关因素.
主要成果:
- 最终的LightGBM模型结合了93个预测因素,其中59个是与药物相关的变量.
- 该模型在验证队列中实现了0.689的接收器运行特征曲线下的面积.
- 与药物相关的变量约占前20大预测因素的一半,突出显示了它们的意义.
结论:
- 使用行政数据的验证的ML模型可以有效地预测老年人ED访问风险.
- 该模型依赖于药物数据,使其适用于初级保健查.
- 这种工具可以帮助积极的患者管理,并可能减少老年人中ED访问.


