重新评估无并发性尿路感染的管理:使用机器学习推理因果推理的回顾性分析

科学领域:

• 传染性疾病 传染性疾病
• 药理学 药理学是指药理学的学科.
• 医疗信息学 医疗信息学

背景情况:

• 无并发性尿路感染 (UTI) 管理依赖于门诊抗菌药物治疗.
• 2011年的国家指导方针可能不反映当前的做法,患者多样性或不断变化的病原体生物学.
• 需要重新评估当代临床实践中抗生素的疗效和安全性.

研究的目的:

• 为了比较一线抗生素 (nitrofurantoin,trimethoprim-sulfamethoxazole),二线抗生素 (fluoroquinolones) 和替代抗生素 (口服β-lactams) 对无并发性尿路感染的疗效和不良事件.
• 在大型索赔数据库上使用机器学习算法,其格式为观察医疗结果伙伴关系 (OMOP) 共同数据模型.
• 评估治疗失败 (针对尿路感染,发炎或败血症进行30天的再检查) 和与抗生素相关的特定不良事件.

主要方法:

• 机器学习算法应用于一个大型的OMOP格式的索赔数据库.
• 分析了来自49,037名患者的57,585次尿道感染.
• 用域专家特征和自动化特征工程 (OMOP-learn) 来调整共变量依赖的审查和治疗指示.

主要成果:

• 与二线 (-2.1%) 和替代β-乳酸抗生素 (-6.6%) 相比,一线疗法在30天的复诊中显示出较低的绝对风险差异.
• 在一线和二线药物之间,不良事件概况在临床上相似,但与替代抗生素相比,一线药物较低 (-3.5%).
• 在使用手工策划和OMOP-learn.learn构建的模型中,结果一致.

结论:

• 这项研究支持继续使用一线抗生素来治疗无并发性尿路感染.
• 对OMOP数据的自动特征提取方法可以有效地模拟手动策划的模型.
• 结果促进了观察性健康研究中的可复制性和通用性.