通过EHR的时间意识软集群来进行败血症的软表型化
Shiyi Jiang1, Xin Gai2, Miriam M Treggiari3
1Department of Electrical & Computer Engineering, Duke University, Durham, 27708, NC, USA.
Journal of biomedical informatics
|February 29, 2024
概括
研究人员使用时间感知算法确定了六种新的败血症亚现象. 这些发现提高了对败血症的理解,有助于向治疗和更好的患者预后.
科学领域:
- 关键护理医学 关键护理医学
- 计算生物学是一种计算生物学.
- 医疗信息学 医疗信息学
背景情况:
- 败血症是一种高死亡率的危及生命的疾病,源于对感染的免疫反应失调.
- 识别败血症子表型对于了解疾病变异性,优化治疗方法和改善患者的治疗结果至关重要.
- 以前使用电子健康记录 (EHR) 的子类型化方法缺乏时间信息,并提出了不确定的假设.
研究的目的:
- 开发一种新的,有时意识的聚类算法,用于识别败血症子类型.
- 利用EHR数据中的临床变量进行更准确的败血症表征.
- 推进对败血症异质性的理解,改善临床决策.
主要方法:
- 开发了一个具有时间意识的软集群算法,结合了临床变量.
- 将算法应用于电子健康记录 (EHR) 数据,以识别败血症子类型.
- 评估了已识别的亚现象的医学可信性,并开发了一个早期预警预测模型.
主要成果:
- 确定了六种新的混合性败血症亚现象,具有临床可信性.
- 演示了算法的捕捉败血症时间动态的能力.
- 开发了一种用于早期败血症预测的后勤回归模型.
结论:
- 新型败血症杂交亚现象为器官功能障碍和恢复提供了更准确的见解.
- 这些发现可以告知败血症管理决策,改善患者的预后.
- 时间意识的方法增强了败血症异质性的特征.


