开发和验证产后出血自动化实时预测模型
Holly B Ende1, Henry J Domenico, Aleksandra Polic
1Departments of Anesthesiology, Biostatistics, Obstetrics and Gynecology, and Biomedical Informatics, Vanderbilt University Medical Center, and Vanderbilt University School of Medicine, Nashville, Tennessee; and the Department of Anesthesiology, Boston Children's Hospital, Boston, Massachusetts.
Obstetrics and gynecology
|May 9, 2024
概括
使用电子健康记录数据的新产后出血预测模型显示,与现有工具相比,其性能优越. 这种经过验证的模型可以整合到临床护理中,用于实时风险评估.
科学领域:
- 产科和妇科 产科和妇科
- 临床信息学 临床信息学
- 医疗保健服务研究 医疗服务研究
背景情况:
- 产后出血 (PPH) 是导致母亲发病和死亡的主要原因.
- 准确及时的风险预测对于有效的PPH管理至关重要.
- 现有的风险评估工具可能缺乏足够的准确性或实时适用性.
研究的目的:
- 通过使用自动化实时电子健康记录 (EHR) 数据,开发和验证PPH的预测模型.
- 将开发模型的性能与国家公认的风险预测工具进行比较.
- 通过EHR集成来促进临床部署.
主要方法:
- 一个多变量物流回归模型是使用21,108次交付的回顾式EHR数据开发的.
- 该模型是通过80/20的分割来导出和验证的,PPH定义为≥1,000mL的血液损失加输血.
- 使用接收器操作特征曲线 (AUC) 下的面积和与CMQCC工具相比,评估了性能;也进行了前性验证.
主要成果:
- 预测模型表现出强烈的歧视,衍生集的AUC为0.81,并且在时间验证 (AUC0.80) 和前性验证 (AUC0.82) 中保持了性能.
- 开发的模型显著超过了CMQCC工具 (AUC 0.69,P <.001).
- 该模型显示出优异的校准,并成功地使用EHR数据实时实现和验证.
结论:
- 一个强大的,临时验证的PPH预测模型被开发并集成到EHR中.
- 该模型与广泛使用的风险评估工具相比,具有优越的预测性能.
- 实时验证证实了其对PPH预防和管理中的临床决策支持的实用性.
