一个用于开发可计算的临床表型算法的一般框架

科学领域:

• 生物医学信息学 生物医学信息学
• 临床数据科学 临床数据科学
• 计算医学是一种计算医学.

背景情况:

• 准确识别患者的临床状况 (表型) 对于研究和临床护理至关重要.
• 利用丰富的电子健康记录 (EHR) 数据需要强大的可计算算法.
• 现有的算法开发方法可以通过结构化指导来改进.

研究的目的:

• 为开发可计算算法来识别患者表型提供一个一般框架.
• 通过机器学习 (ML) 和自然语言处理 (NLP) 等方法,提供高层次指导,用于整合多样化的EHR数据.
• 提高算法开发过程的效率和可靠性.

主要方法:

• 基于广泛的先前表型化经验,构思了一个框架.
• 结合了来自三个专用算法开发项目的见解.
• 组建了一个具有临床医学,统计学,信息学,药物流行病学和数据科学专业知识的多学科团队.

主要成果:

• 提出了5个阶段的算法开发框架: (1) 评估适用性, (2) 创建黄金标准数据, (3) 功能工程, (4) 模型开发和 (5) 模型评估.
• 每个阶段的详细原则,战略和实际指导方针.
• 该框架旨在改善患者表型算法的开发.

结论:

• 这份框架为可计算的表型算法开发人员提供了实际指导.
• 它作为未来临床算法开发研究和扩展的基础.
• 这种结构化的方法有助于有效地使用电子健康记录数据来识别特定患者的疾病.