机器学习模型用于评估影响医疗保健成本的风险因素:12个月的基于运动的心脏康复
Arto J Hautala1, Babooshka Shavazipour2, Bekir Afsar2
1Faculty of Sports and Health Sciences, University of Jyväskylä, Jyväskylä, Finland.
Frontiers in public health
|June 12, 2024
概括
糖尿病是急性冠状动脉综合征 (ACS) 后接受基于运动的心脏康复 (ECR) 的患者医疗费用的主要预测因素. 机器学习工具可以帮助优化这些患者的资源配置.
科学领域:
- 心脏病学 心脏病学
- 卫生经济学 卫生经济学
- 机器学习 机器学习
背景情况:
- 基于运动的心脏康复 (ECR) 是对冠状动脉疾病 (CAD) 的一个具有成本效益的治疗方法.
- 在ECR期间预测与CAD风险因素相关的医疗保健成本尚未得到充分理解.
- 机器学习 (ML) 为帮助医疗保健专业人员提供了新的机会.
研究的目的:
- 在CAD患者的12个月的ECR计划中评估医疗保健成本的定义风险因素的预测价值.
- 利用ML工具来分析风险因素对医疗保健支出的贡献.
主要方法:
- 分析了71名患者的数据,这些患者经过急性冠状动脉综合征 (ACS) 事件.
- 在心脏事件发生后立即评估的风险因素;在一年内收集的医疗费用.
- 采用交叉分解算法进行风险因素排名和回归分析用于成本预测.
主要成果:
- 糖尿病是医疗保健成本的最强有力的预测因素,占总支出的16% (r=0.406,p<0.001).
- 包括体重指数和静脉血压在内的预测值增加到18% (p=0.004).
- 抑郁症尺度显示了最弱的独立预测值 (0.1%的解释,r=0.029,p=0.811).
结论:
- 糖尿病是预测ECR的ACS患者的医疗费用的主要因素.
- 机器学习工具可以帮助决策者有效地为心脏康复患者分配医疗保健资源.
