开发和验证一个常规的基于电子健康记录的痴呆症预测模型,用于没有痴呆症的手术患者:回顾性病例对照研究
Emma Holler1, Christina Ludema2, Zina Ben Miled3
1Department of Surgery, Indiana University School of Medicine, Indianapolis, IN, United States.
JMIR perioperative medicine
|January 9, 2025
概括
这项研究开发了一种机器学习模型,使用电子健康记录来预测老年人手术后妄想 (POD). 该模型对早期风险识别有希望,有助于制定有针对性的预防策略.
科学领域:
- 老年医学 老年医学
- 计算医学是一种计算医学.
- 手术结果研究研究.
背景情况:
- 手术后痴呆症 (POD) 是老年人接受重大手术的常见并发症,导致不良后果.
- 早期识别高风险患者对于实施预防措施至关重要.
- 当前的预测模型通常依赖于在住院期间收集的数据,从而延迟及时干预.
研究的目的:
- 开发和外部验证用于预测POD的机器学习模型.
- 利用在入院时可用的常规电子健康记录 (EHR) 数据.
- 创建一个可扩展的工具,用于早期识别患有POD风险的患者.
主要方法:
- 训练并比较了四个机器学习模型 (逻辑回归,随机森林,XGBoost,神经网络),使用了143个EHR功能.
- 利用了来自7167例POD病例和3家医院7167例匹配对照的数据 (2014-2021年).
- 内部和外部验证的模型,使用接收器操作特征曲线 (AUROC) 下的区域来评估性能.
主要成果:
- 与其他分类器相比,极端梯度增强 (XGB) 模型表现出优异的性能.
- 在12个月的入院前数据上训练的XGB模型获得了最高的AUROC.
- 最好的XGB模型在内部实现了0.79的平均AUROC,外部验证的AUROC范围从0.69到0.74.
结论:
- 常规EHR数据可用于开发有效的POD预测模型.
- 开发的模型显示出良好的预测能力,但在不同的医院环境中具有有限的概括性.
- 这些模型提供了一个潜在的自动查工具,用于在入院时识别有风险的患者.
关键词:
算法算法是一种算法.妄想 妄想 妄想 妄想 妄想电子健康记录是电子健康记录.机器学习是机器学习.在术后的术后生活.预测 预测 预测 预测风险预测风险预测手术 手术 手术 手术 手术 手术 手术更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
7.0K
08:36The Immersive Cleveland Clinic Virtual Reality Shopping Platform for the Assessment of Instrumental Activities of Daily Living
Published on: July 28, 2022
3.7K
