使用交互式机器学习方法在电子医疗记录中对有注射药物使用史的人进行表型化
Carol El-Hayek1,2,3, Thi Nguyen4, Margaret E Hellard4,5,6
1Public Health, Burnet Institute, Melbourne, Australia. carol.el-hayek@burnet.edu.au.
NPJ digital medicine
|November 30, 2024
概括
这项研究开发了一种新的方法来识别使用电子医疗记录注射毒品的人. 这种方法增强了疾病监测和血液传播病毒的公共卫生工作.
科学领域:
- 公共卫生 公共卫生
- 传染病流行病学 传染病流行病学
- 医疗信息学 医疗信息学
背景情况:
- 识别有注射药物使用史的个人对于控制血液传播的病毒和性传播感染至关重要.
- 电子病历 (EMR) 为疾病监测带来了挑战,原因是该人群的预测数据稀少.
研究的目的:
- 通过使用结构化EMR数据,引入一种新的方法来表型化具有注射药物使用史的个人.
- 为了提高识别准确性,利用交互式的人在循环中的方法.
主要方法:
- 随机森林分类器的代训练,包括特征删除和积极标签添加.
- 使用结构化的EMR数据和交互式机器学习技术.
- 将最终模型应用于大约170万个人的大量患者队列.
主要成果:
- 最初的模型实现了高精度 (92.7%) 和回忆 (93.5%).
- 模型保持了90%以上的精度,并在9次代后回忆.
- 确定了128,704名 (7.7%) 可能注射毒品的新个人,显著增加了已知的数量.
结论:
- 开发的方法提供了一种适应性方法,以克服EMR中缺少数据的挑战.
- 可解释的模型揭示了以前隐藏的预测因素组合,改善了对风险因素的理解.
- 这种表型化策略增强了对注射毒品使用者的疾病监测和有针对性的干预措施.
更多相关视频
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.5K
09:21Author Spotlight: Generating Neuronal Phenotypic Profiles - A Protocol to Culture and Image Human Midbrain Dopaminergic Neurons
Published on: July 7, 2023
1.4K
