估计在电子健康记录中糖尿病视网膜病变的流行率,大量缺失标签

科学领域:

• 医疗信息学 医疗信息学
• 机器学习 机器学习
• 眼科医生 眼科 眼科

背景情况:

• 电子健康记录 (EHR) 通常包含大量未标记的患者记录.
• 糖尿病视网膜病变 (DR) 诊断在EHR数据中经常是不完整的,这阻碍了准确的流行率估计.
• 在EHR中缺少的数据可能导致有偏见的分析结果,特别是在疾病流行率研究中.

研究的目的:

• 为了估计糖尿病视网膜病变 (DR) 的实际患病率,在一个大型电子健康记录 (EHR) 数据集中,缺少标签的百分比很高.
• 应用最先进的积极无标记的学习方法来解决EHR中的数据质量问题.
• 开发一种工具来识别未标记的患者,并评估DR风险.

主要方法:

• 利用了Cerner健康事实数据集,包括3749名标记和97,876名未标记的糖尿病患者.
• 实现了基于集体的支向量机,基于集体的随机森林和贝叶斯有限混合模型技术.
• 采用积极未标记的学习策略来处理大量缺失的标签数据.

主要成果:

• 据估计,在研究的EHR人群中,糖尿病视网膜病变 (DR) 的患病率约为25%.
• 通过实施的分类技术,实现了曲线下的面积 (AUC) 约为87%.
• 基于个体患者的医疗信息,生成了DR风险的预测模型.

结论:

• 解决EHR数据中缺少的标签对于准确估计疾病流行率至关重要,特别是对于DR等疾病.
• 机器学习和统计工具在识别未标记的患者和减轻EHR分析中的偏差方面是有效的.
• 开发的方法和工具可以帮助数据分析师和临床医生管理和解释DR的EHR数据.