紧急病房风险模型:及时识别患者,以便协调门诊护理
Maryam Zolnoori1, Mark D Williams, Kurt B Angstman
1School of Nursing, Columbia University Irving Medical Center, 390 Fort Washington Ave, New York, NY 10033.
这项研究开发了一种机器学习模型,用于识别患有严重抑郁症 (MDD) 的患者,这些患者面临频繁访问急诊室 (ED) 的高风险. 该模型可以帮助优先考虑护理,以减少不必要的ED使用.
科学领域:
- 临床信息学 临床信息学
- 医疗保健中的机器学习
- 心理健康服务研究 心理健康服务研究
背景情况:
- 大型抑郁症 (MDD) 与急诊室 (ED) 访问的显著增加有关.
- 协作护理管理 (CoCM) 模型被用于MDD的初级护理,但患者优先考虑预防频繁使用ED并未明确定义.
研究的目的:
- 开发和验证基于机器学习的风险识别模型.
- 在CoCM中主动识别患有MDD的患者,他们面临频繁ED访问 (≥3次访问) 的高风险.
主要方法:
- 使用梅奥诊所初级保健系统 (2006-2018) 电子健康记录进行的回顾性队列研究.
- 开发和验证机器学习分类器,以预测频繁的ED访问在12个月内.
- 沙普利添加式解释 (SHAP) 用于识别关键风险因素.
主要成果:
- 最好的模型 (弹性网逻辑回归和随机森林) 在开发和验证数据集中分别达到0.79的曲线下的面积 (AUC).
- 频繁访问ED的关键预测因素包括男性性别,以前频繁使用ED,高患者健康问卷-9分,低学历,失业和多药.
- 该模型表现出良好的性能,灵敏度从0.71到0.83不等,特异性从0.61到0.76.
结论:
- 一个经过验证的风险识别模型可以有效地预测MDD的初级保健患者频繁使用ED.
- 这种模型有可能用于临床应用,在CoCM计划中对患者进行分组.
- 积极的风险分层可以帮助减少未来易受伤害的患者群体中ED使用率.
更多相关视频
06:16Signal Acquisition, Score Interpretation, and Economics of a Non-Invasive Point-of-Care Test for Coronary Artery Disease
Published on: August 9, 2024
08:13Development and Implementation of a Multi-Disciplinary Technology Enhanced Care Pathway for Youth and Adults with Concussion
Published on: January 20, 2019
相关概念视频
Methods of Documentation VI: Case Management Model
For example, a patient with a chronic...
Healthcare Associated Infections II: Preventive Measures
The best practices for preventing healthcare-associated infections include hand hygiene, patient risk...
Methods of Documentation II: POMR
Planning Nursing Care I
Documentation in Long-Term and Home Healthcare Setting
Long-Term Care Facilities
Models of Health Promotion and Illness Prevention II
The agent-host-environment model states that disease results...
