基于电子健康记录的机器学习算法的开发和验证,以预测家庭实践患者的生活质量
Stephanie Grim1, Alexander Kotz2,3, Glenn Kotz3
1University of Colorado Anschutz Medical Campus, 13001 East 17th Place, Aurora, CO, 80045, USA. stephanie.grim@cuanschutz.edu.
Scientific reports
|December 3, 2024
概括
一个新的机器学习 (ML) 算法使用更少的问题预测与健康相关的生活质量 (HRQol). 这种方法简化了临床医生的数据收集,并改善了患者护理结果.
科学领域:
- 医疗保健服务研究 医疗服务研究
- 医疗信息学 医疗信息学
- 心理测量 心理测量 心理测量
背景情况:
- 与健康相关的生活质量 (HRQol) 对于评估患者的治疗结果至关重要.
- 现有的HRQol措施在初级保健 (PC) 实施方面面临挑战.
- 在PC中需要有效和准确的HRQol评估工具.
研究的目的:
- 开发和评估一种新的机器学习 (ML) 算法,用于预测PC患者的二进制风险水平.
- 通过将验证的HRQol元素与电子健康记录 (eHR) 数据集成来提高预测准确度.
- 为了减少用于有效风险估计的前性收集数据的数量.
主要方法:
- 从经过验证的QoL调查和人口/社会决定因素 (SD) 数据创建了一个53个问题项目库.
- 机器学习算法从项目库中选择了最具预测性的问题.
- 用375个观察数据集进行算法训练 (n=301) 和测试 (n=74).
主要成果:
- 一个简化的4个问题模型在预测QoL方面表现出高准确度,与40个问题测量方法相比.
- 关于生活满意度和情绪健康影响的问题准确地分类了心理QOL (98%的最大平衡准确度).
- 关于功能活动和疼痛限制的问题准确地分类了物理QOL (94%的最大平衡精度).
- 人口和SD因素没有显著的预测能力.
结论:
- 监督机器学习可以通过减少数据收集和简化得分来优化QoL测量.
- 开发的ML算法允许临床医生在初级保健机构有意义地使用它.
- 一个简洁的,ML-derived QoL评估可以保持高的预测有效性,同时提高效率.
相关概念视频
Data Validation
4.9K
Data validation is an essential part of a comprehensive assessment. Validation is confirming or verifying and opening the door to gathering more assessment data as it clarifies vague or unclear data. The process of checking and verifying the collected information is called data validation. The primary purpose of data validation is to ensure data is as free from error, bias, and misinterpretation as possible.
Nursing assessment guides are generally based on holistic models rather than medical...
Nursing assessment guides are generally based on holistic models rather than medical...
4.9K
Health Information Technology and Healthcare Information System
799
Health Information Technology (HIT)
Health Information Technology, commonly called HIT, integrates advanced information systems and technology in healthcare settings. Its primary functions include:
Health Information Technology, commonly called HIT, integrates advanced information systems and technology in healthcare settings. Its primary functions include:
799


