用机器学习工具预测瑞典初级保健中新出现的高血压病例
Anders Norrman1,2, Jan Hasselström1,2, Gunnar Ljunggren1,2
1Department of Neurobiology, Care Sciences and Society, Division of Family Medicine and Primary Care, Karolinska Institutet, Huddinge, Sweden.
一个新的机器学习模型可以使用电子健康记录来预测未被诊断的高血压. 这种工具有助于在初级保健中识别有风险的人,改善高血压的早期检测.
科学领域:
- 医疗信息学 医疗信息学
- 公共卫生 公共卫生
- 医疗保健中的机器学习
背景情况:
- 许多患有高血压的人仍然未被诊断出来,这对公众健康构成了重大挑战.
- 早期发现高血压对于预防严重的心血管并发症至关重要.
研究的目的:
- 开发高血压的预测模型,使用电子医疗记录的诊断代码.
- 在瑞典初级保健中识别患有未被识别的高血压风险的患者.
主要方法:
- 一项性别和年龄匹配的病例控制研究,涉及斯德哥尔摩地区507,618名个人.
- 开发一种机器学习模型,利用从初级保健记录中获得的1,309个ICD-10代码来提升随机梯度.
- 排除了先前患有心血管疾病或糖尿病的患者.
主要成果:
- 该模型在预测三年内高血压诊断时,实现了女性0.748和男性0.745的曲线下的面积.
- 敏感度为63%至68%,特异性为73%至76%,适用于两性.
- 关键的预测因素包括失脂症,肥胖和特定的卫生服务遭遇.
结论:
- 开发的机器学习模型显示了识别患有未被识别的高血压风险的患者的潜力.
- 在初级保健中使用例行收集的诊断代码为高血压查提供了一种新的方法.
- 需要进一步的研究来评估该模型超越传统血压测量的附加值.
更多相关视频
07:51Hydra, a Computer-Based Platform for Aiding Clinicians in Cardiovascular Analysis and Diagnosis
Published on: September 26, 2018
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
相关概念视频
Errors occurring during blood pressure monitoring
Several factors...
Pre-Procedural Guidelines for Assessing Blood Pressure
Factors affecting Blood pressure
Physiological Factors:
Hypertension and Regulation of Blood Pressure
Assessment of blood pressure in brachial artery(two-step method)
Assessment of blood pressure in brachial artery(one-step method)
Prepare for the Procedure:
