识别患有系统性自身免疫性疾病风险的抗核抗体阳性个体:实时风险模型的开发和验证

科学领域:

• 类风湿病学 类风湿病学
• 免疫学 免疫学 免疫学
• 临床信息学 临床信息学

背景情况:

• 阳性抗核抗体 (ANA) 对临床医生来说是一个诊断挑战,特别是在没有被诊断为自身免疫性疾病的个体中.
• 目前,没有经过验证的工具可以根据阳性ANA结果来评估发展自身免疫疾病的风险.

研究的目的:

• 开发和验证一个预测风险模型,用于识别具有阳性ANA的个体,他们有发展系统性自身免疫性疾病的风险.
• 帮助临床医生解释阳性ANA结果的临床意义,并指导适当的患者管理.

主要方法:

• 利用一个非识别的电子健康记录 (EHR) 数据库,审查了2000个阳性ANA病例.
• 采用后勤回归和机器学习模型,包括人口统计数据,自身免疫性疾病相关的计费代码和实验室值.
• 将数据分为培训 (n=1030) 和验证 (n=449) 集,用于模型开发和评估.

主要成果:

• 自免疫性疾病发展的关键预测因素包括较高的ANA标位,血小板数量的增加,疾病特异性自身抗体的存在,以及更多的与自身免疫性症状相关的计费代码.
• 后勤回归模型表现出强的性能,在训练组中AUC为0.83,在验证组中为0.75.
• 年龄较小和女性性别也与风险增加有关.

结论:

• 一个经过验证的风险模型已经开发出来,以预测在阳性ANA个体中发展系统性自身免疫性疾病的风险.
• 该模型可以集成到电子健康记录系统中,以方便部署,从而实现风险分层.
• 该工具为高风险患者提供及时的风湿病学转诊,同时减少低风险患者不必要的转诊.