使用电子健康数据预测医学复杂的成年人自我报告的社会风险
Richard W Grant1, Jodi K McCloskey1, Connie S Uratsu1
1Division of Research, Kaiser Permanente Northern California, Oakland, CA.
Medical care
|June 4, 2024
概括
一种新的预测模型可以识别患有慢性疾病的成年人,他们面临着粮食不安全和住房不稳定等社会需求的高风险. 这有助于医疗保健系统主动为最需要的人提供支持和资源.
科学领域:
- 医疗信息学 医疗信息学
- 健康的社会决定因素
- 预测建模预测建模
背景情况:
- 社会障碍 (粮食不安全,经济困难,住房不稳定) 显著阻碍慢性疾病管理.
- 系统的策略对于识别需要主动推广社会资源的个人至关重要.
研究的目的:
- 开发和验证一个预测模型,识别有多种慢性疾病的成年人,他们面临更高的社会需求风险.
- 该模型旨在预测粮食不安全,金融困境和/或住房不稳定的可能性.
主要方法:
- 开发并验证了使用电子健康记录数据和人口普查通道数据对患有≥2慢性疾病的成年人进行预测模型.
- 模型性能使用接收器操作特征曲线 (AUC) 下的面积进行评估,并评估算法偏差.
- 外部验证是在一个单独的非医疗补助健康计划会员队列上进行的.
主要成果:
- 最终的模型,有30个预测因素,在识别具有社会需求的患者时,AUC达到0.68.
- 该模型在不同种族/种族群体中表现出强度.
- 关键预测因素包括利用,诊断,行为,保险,社区和药房变量.
结论:
- 使用医疗记录和公共人口普查数据的预测模型可以有效地识别需要社会需求评估的患者.
- 该模型允许优先考虑对具有最大社会需求的患者的外展努力.
- 可调整的风险值可以优化基于人口患病率的社会资源的查和转诊.
