乳:从纵向电子健康记录中进行标签效率高的事件表型化
Jun Wen1,2, Jue Hou3, Clara-Lea Bonzel1,2
1Harvard Medical School, Boston, MA, USA.
Patterns (New York, N.Y.)
|January 24, 2024
概括
我们开发了一个新的算法,LATTE,精确地定时电子健康记录 (EHR) 中的临床事件. 这种方法通过准确识别2型糖尿病和心力衰竭等疾病的事件发作,改善了现实世界的证据研究.
科学领域:
- 医疗信息学 医疗信息学
- 生物医学数据科学 生物医学数据科学
- 临床流行病学临床流行病学
背景情况:
- 电子健康记录 (EHR) 数据对于现实世界证据 (RWE) 研究至关重要.
- 电子病历数据的一个主要局限性是临床事件的时间不精确.
- 准确的事件时间对于强大的RWE研究至关重要.
研究的目的:
- 提出一种新的算法,LATTE (标签效率事件表型化),用于在纵向EHR数据中准确的临床事件时间.
- 通过利用半监督学习来提高表型的效率.
- 提高RWE发电事件时间的可解释性和准确性.
主要方法:
- 利用预先训练的语义嵌入来进行特征选择.
- 利用访问注意力学习来创建纵向访问嵌入.
- 为事件时间预测建模顺序依赖关系.
- 采用半监督学习与银标准标签标签效率.
主要成果:
- 与基准方法相比,LATTE在准确注释临床事件时间方面取得了显著的改进.
- 该算法在2型糖尿病,心力衰竭和多发性硬化症复发的开始时进行了评估.
- LATTE提供了高预测解释性,并促进了在类风湿性关节炎患者中发现心力衰竭风险因素.
结论:
- LATTE提供了一个强大的,标签效率高的解决方案,用于从EHR数据中精确的临床事件表型化.
- 来自LATTE的准确事件时间可以显著提高RWE研究和临床见解.
- 开发的方法有可能在纵向健康数据分析中得到更广泛的应用.
相关概念视频
01:26Introduction to Epidemiology
732
Epidemiology, known as the cornerstone of public health, involves studying the distribution and determinants of health-related events in defined populations and applying these insights to control health issues. This is essential for understanding how diseases spread, identifying populations at greater risk, and implementing measures to control or prevent outbreaks. Epidemiology addresses not only infectious diseases but also non-communicable conditions like cancer and cardiovascular disease,...
732
01:26Longitudinal Studies
163
Longitudinal studies are also widely used in other medical and social science fields. For instance, in cardiovascular research, they can monitor patients' health over decades to identify risk factors for heart disease, such as high cholesterol or smoking, and evaluate the long-term effectiveness of preventive measures. Similarly, in mental health studies, researchers might follow individuals from adolescence into adulthood to understand the development and progression of conditions like...
163