开发和验证算法,从医疗保健索赔数据中预测左心室喷射分数类的算法
Damien Logeart1, Maxime Doublet2, Margaux Gouysse2
1Department of Cardiology, Paris Cité University, AP-HP Hôpital Lariboisière, Inserm U942, 2 rue Ambroise Paré, Paris, France.
ESC heart failure
|March 4, 2024
概括
新的算法可以使用医疗保健索赔数据识别心力衰竭 (HF) 患者的左心室喷射分数 (LVEF). 这促进了基于人群的HF研究,提供了以前缺少的关键LVEF信息.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 大规模的医疗保健索赔数据库对于基于人群的心力衰竭 (HF) 研究至关重要.
- 鉴定左心室喷射分数 (LVEF) 是至关重要的,因为高频率的管理因LVEF类别而异.
- 大型医疗保健索赔数据库中经常缺少LVEF数据.
研究的目的:
- 在医疗保健索赔数据库中开发和验证用于识别HF患者的LVEF的算法.
- 解决基于人口的高频率研究中关于LVEF的数据缺口.
- 通过使用行政数据,实现更精确的HF患者分层.
主要方法:
- 机器学习,特别是随机森林方法,用于构建算法.
- 使用法国国家索赔数据库 (SNDS) 和HF注册表来训练和验证算法.
- 关键变量包括人口统计,并发症,药物使用 (ATC代码),诊断 (ICD-10) 和实验室测试 (尿素).
主要成果:
- 开发的算法在识别LVEF类别方面表现强.
- 曲线下的面积 (AUC) 值为LVEF≤40%的0.84和LVEF<50%和≥50%的0.79.
- 对LVEF ≤40%的强化算法实现了0.88的正预测值和0.96.9的特异性.
结论:
- 这些算法在全国索赔数据中准确地识别了HF患者的减少或保留的LVEF.
- 实现了高阳性预测值和低错误阳性率.
- 这些算法增强了医疗保健索赔数据库对HF研究和临床见解的实用性.
