开发一种可计算的质母细胞瘤表型

科学领域:

• 医疗信息学 医疗信息学
• 在瘤学瘤学.
• 数据科学数据科学数据科学

背景情况:

• 质母细胞瘤是最常见的恶性脑瘤.
• 准确的患者鉴定对于人口研究至关重要.
• 质母细胞瘤的诊断代码通常是不特定的,这给数据提取带来了挑战.

研究的目的:

• 开发一种可计算的多形质母细胞瘤 (GBM) 的表型 (CP).
• 利用来自电子健康记录 (EHR) 的结构化和非结构化数据.
• 为了研究目的,改进GBM患者的鉴定.

主要方法:

• 使用佛罗里达大学健康综合数据库.
• 通过手动图表审查,对诊断代码,程序代码,药物代码和关键词进行代改进.
• 评估多个拟议的CP以确定基于F1得分的最佳性能算法.

主要成果:

• 进行了六轮手动图表审查,以改进CP元素.
• 最优的CP规则结合了相关的诊断代码和关键词.
• 选择的CP规则显示了使用结构化和非结构化数据的最高F1分数.

结论:

• 开发了一种经过验证的CP算法来识别GBM患者.
• 该算法有效地使用来自大型第三级护理中心的结构化和非结构化EHR数据.
• 最终的算法获得了0.817的高F1得分,最大限度地减少了错误分类错误.