一种神经网络方法,用于预测先前住院患者的阿片类药物滥用,使用电子健康记录
Lucas Vega1, Winslow Conneen1, Michael A Veronin2
1Data Analytics Lab, The University of Texas at Tyler, Tyler, Texas, United States of America.
电子健康记录 (EHR) 可以预测阿片类药物滥用. 电子健康记录数据中的诊断代码在预测滥用方面最准确,这表明对普遍查的临床实施是可行的.
科学领域:
- 医疗信息学 医疗信息学
- 公共卫生 公共卫生
- 数据科学数据科学数据科学
背景情况:
- 滥用阿片类药物是一个重大的公共卫生挑战.
- 预测模型对于早期识别有风险的个体是必要的.
- 电子健康记录 (EHR) 包含用于预测分析的宝贵患者数据.
研究的目的:
- 评估电子健康记录 (EHR) 在预测阿片类药物滥用的有效性.
- 确定在一般患者群体中最能预测阿片类药物滥用的关键EHR数据特征.
主要方法:
- 使用现有的患者电子病历数据训练了三个反向传播的神经网络.
- 模型1使用了患者诊断代码.
- 模型2使用了患者的处方.
- 模型3包括诊断代码和处方.
主要成果:
- 模型1 (诊断码) 实现了75.5%的准确性.
- 模型2 (处方) 实现了64.9%的准确性.
- 模型3 (组合数据) 实现了74.5%的准确性.
- 诊断代码显示了阿片类药物滥用的最高预测性能.
结论:
- 在EHR中的患者诊断代码是阿片类药物滥用的有效预测器.
- 在阿片类药物滥用者中,滥用药物/精神健康障碍的更高患病率可能有助于诊断代码的准确性.
- 低的II型错误率 (1.9%的非滥用者被错误分类) 表明基于EHR的查工具的临床可行性.
更多相关视频
09:54Combining Laser Capture Microdissection and Microfluidic qPCR to Analyze Transcriptional Profiles of Single Cells: A Systems Biology Approach to Opioid Dependence
Published on: March 8, 2020
05:12Chronic Intermittent Ethanol Vapor Exposure Paired with Two-Bottle Choice to Model Alcohol Use Disorder
Published on: June 23, 2023
相关概念视频
Analgesia and Pain Management
Opioid Receptors: Overview
Opioid Analgesics: Synthetic and Semisynthetic Opioids
Drug Abuse and Addiction: Pharmacological Phenomena
Methods of Documentation VII: EMR
Opioid Analgesics: Morphine and Other Natural Cogeners
