开发和验证使用大数据和机器学习的HBV监测模型.
Weinan Dong1, Cecilia Clara Da Roza1, Dandan Cheng2
1Department of Family Medicine and Primary Care, Li Ka Shing Faculty of Medicine, The University of Hong Kong, Hong Kong, China.
Annals of medicine
|February 10, 2024
概括
使用常规临床数据开发了机器学习模型,以改善中国的乙型肝炎病毒 (HBV) 检测. 这些模型可以加强HBV监测,并支持消除目标.
科学领域:
- 公共卫生 公共卫生
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 强大的医疗信息系统对于乙型肝炎病毒 (HBV) 监测和控制至关重要.
- 中国的初级卫生保健系统可以利用大数据和机器学习 (ML) 来实现世卫组织的HBV消除目标.
- 开发准确的HBV检测模型是减轻疾病影响的关键.
研究的目的:
- 使用常规临床数据开发和验证HBV检测模型.
- 提高中国初级保健机构内HBV检测率.
- 支持开发用于控制HBV的干预措施.
主要方法:
- 利用自然语言处理 (NLP) 来构建来自香港大学深医院的临床数据.
- 开发和评估多个ML模型用于HBV风险评估.
- 使用五倍交叉验证框架和SHAP进行解释的验证模型.
主要成果:
- 分析了来自158,988个诊所出诊记录中的27,392例病例.
- 开发了一种简化的HBV检测模型,具有良好的分辨率 (AUC = 0.78) 和校准.
- 确定了与HBV感染相关的身体投诉的模式.
结论:
- 为中国的初级保健机构开发了HBV疑似病例检测模型.
- 这些模型显示出临床部署的潜力,以加强HBV监测.
- 这些发现有助于改善HBV控制策略.


