与阿片类药物相关的致命过量服用的时空空间预测:针对建模和评估的最佳实践
Kyle Heuton1, Jyontika Kapoor2, Shikhar Shrestha3
1Department of Computer Science, Tufts University, Medford, Massachusetts, United States.
新的指标可以更好地指导阿片类药物过量公共卫生干预措施. 百分比最佳可能覆盖率 (%BPR) 度量比RMSE等传统错误度量更有效地确定优先领域.
科学领域:
- 公共卫生 公共卫生
- 流行病学 流行病学
- 数据科学数据科学数据科学
背景情况:
- 预测阿片类药物过量死亡率的模型对于公共卫生干预至关重要.
- 现有的模型使用不同的方法和数据集,阻碍了进度评估.
- 像RMSE这样的当前绩效指标并不能优化干预目标.
研究的目的:
- 引入和评估一个新的干预意识指标,最佳可能范围的百分比 (%BPR).
- 将%BPR与传统指标 (例如,RMSE) 进行比较,以预测阿片类药物过量.
- 评估模型在确定干预优先领域的性能.
主要方法:
- 使用RMSE和%BPR.比较了多个已发表的预测模型.
- 在两个不同的环境中评估模型:库克县,伊利诺伊州和马萨诸塞州.
- 模拟干预预算,针对10%的人口普查区 (1000分之100).
主要成果:
- 基于RMSE的顶级模型没有一致确定潜在过量事件影响范围最高的区域.
- %BPR确定了在马萨诸塞州每年可以达到更多致命过量剂量的模型 (每年增加18个).
- 库克县在所有指标上显示了类似的顶级模型,但RMSE掩盖了其他模型中显著的%BPR变化. 简单的模型的性能与复杂的模型相提并论.
结论:
- %BPR指标是指导公共卫生干预的最佳指标,优先考虑具有最大潜在影响的领域.
- 像RMSE这样的传统错误指标可能与过量预防的实际目标不一致.
- 提供开源代码和数据,以促进进一步的研究和开发.
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
10:393D-Neuronavigation In Vivo Through a Patient's Brain During a Spontaneous Migraine Headache
Published on: June 2, 2014
相关概念视频
Opioid Analgesics: Synthetic and Semisynthetic Opioids
Opioid Analgesics: Morphine and Other Natural Cogeners
Analgesia and Pain Management
Opioid Receptors: Overview
Drug Concentration Versus Time Correlation
Two pivotal parameters are the minimum effective concentration (MEC) and the minimum toxic concentration (MTC). The MEC is the...
Steps in Outbreak Investigation
