通过结构化和非结构化数据改善跨导管大动脉置换患者的脆弱性评估:现实世界的证据研究.

科学领域:

• 心脏病学 心脏病学
• 老年病的医生 老年病的医生
• 医疗信息学 医疗信息学

背景情况:

• 超导管大动脉置换 (TAVR) 是严重的大动脉狭窄症的关键治疗方法,主要影响老年人.
• 准确的脆弱性评估对于选择TAVR候选人和优化程序成功至关重要.
• 当前的脆弱性评估可能会从更全面的数据整合中受益.

研究的目的:

• 为了改善TAVR候选人的脆弱性评估.
• 整合结构化和非结构化现实世界的数据,以提高脆弱性预测.
• 评估组合数据源在预测脆弱性方面的有效性.

主要方法:

• 对14000个TAVR患者记录的分析 (2018年1月至2019年12月).
• 使用弗里德标准 (减肥,疲劳,步行速度,握力,体力活动) 评估脆弱性.
• 隐性迪里克莱特分配用于主题建模和极端梯度提升用于结构化EHR和非结构化临床笔记的预测,与LASSO用于特征选择和嵌套交叉验证进行评估.

主要成果:

• 结合结构化EHR和非结构化临床笔记,与单独的EHR数据 (AUC 0.64) 相比,改善了脆弱性预测 (AUC 0.82).
• 发现的最重要的虚弱预测因素包括充血性心力衰竭管理,背部问题和心房动.
• 隐性迪里克莱特分配确定了7个关键主题,揭示了特定医疗治疗对脆弱性预测的影响.

结论:

• 将非结构化的临床笔记与结构化的EHR数据集成显著提高了TAVR候选人的脆弱性预测.
• 这种方法为使用真实数据标准化脆弱性评估提供了一个潜在的途径.
• 改进的脆弱性评估可以导致更好的患者选择和TAVR程序的结果.