在美国国家队列中使用自然语言处理识别与代谢功能障碍相关的稳态性肝病

科学领域:

• 肝病学 肝病学是一种肝病学.
• 医疗信息学 医疗信息学
• 流行病学 流行病学

背景情况:

• 与代谢功能障碍相关的脂肪性肝病 (MASLD) 和增加酒精摄入量的MASLD (MetALD) 是公认的临床实体.
• 缺乏工具阻碍了从电子健康记录 (EHR) 进行大规模结果研究的患者识别.

研究的目的:

• 开发和验证一个算法来识别和分类肥胖性肝病 (SLD) 在一个大型退伍军人群体使用EHR数据.
• 评估算法在诊断MASLD,MetALD和与酒精相关的脂肪性肝病 (ALD) 中的准确性.

主要方法:

• 一项回顾性研究利用基于规则的自然语言处理 (NLP) 算法对来自817,657名退伍军人 (2013-2022) 的EHR数据进行了回顾性研究.
• 该算法识别了肝硬化症,心脏代谢风险因素和酒精使用.
• 算法衍生的诊断在盲目图表审查中得到验证.

主要成果:

• 超过一半的队列 (53.5%) 患有SLD,其中MASLD在36.5%和MetALD在12.1%.
• 与图表回顾相比,NLP算法显示出高准确度 (κ=0.86对于肥胖症, κ=0.87用于分类).
• 该算法发现的MASLD病例 (36.5%) 比传统的ICD代码 (2.8%) 多得多.

结论:

• 结合NLP,心脏代谢因子和酒精使用的算法准确地识别和分类EHR中的SLD.
• 这种经过验证的算法适用于退伍军人卫生管理局内SLD的大型流行病学研究.