集群分析揭示了选择性脊柱手术患者之间的社会经济差异
Alena Orlenko1, Philip J Freda, Attri Ghosh
1Department of Computational Biomedicine, Cedars-Sinai Medical Center, Los Angeles, California, USA*These authors contributed equally to the paper.
Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
|December 31, 2023
概括
集群分析揭示了基于保险类型的脊髓融合患者护理方面的差异. 与较低的社会经济地位相关的医疗保险组显示出更多的负面风险因素,突出了医疗保健的不平等.
科学领域:
- 医疗保健差异研究 医疗保健差异研究
- 生物统计学和数据分析
- 机器学习在医学中的应用
背景情况:
- 医疗保健的获取和结果受到社会经济因素的影响.
- 人口分层对于医学研究中的公正分析至关重要.
- 之前的研究表明,手术护理的获取和结果存在差异.
研究的目的:
- 应用集群分析,以在患者子组中进行无偏见的发现.
- 调查选择性脊髓融合患者的社会经济和种族差异.
- 为医疗保健中公平的机器学习模型的开发提供信息.
主要方法:
- 集群分析用于选择性脊髓融合患者的数据集.
- 根据保险类型确定了患者子组.
- 分析了风险因素和人口统计数据,以发现群体之间的显著差异.
主要成果:
- 确定了两个不同的患者子组,主要根据保险类型进行区分.
- 与较低社会经济地位相关的医疗保险子组显示了负面风险因素的过度代表性.
- 观察到显著的社会经济和种族差异,影响健康结果.
结论:
- 保险类型是脊髓融合护理中患者子组的重要决定因素.
- 社会经济和种族差异导致医疗保健系统内的健康不平等.
- 将人口分层纳入机器学习模型可以促进公平性和精确性.
