探索现实世界健康数据记录联系的复杂性 - - 一项例证研究将癌症注册表与索赔数据联系起来
Nadja Lendle1, Bianca Kollhorst1, Timm Intemann1
1Department of Biometry and Data Management, Leibniz-Institute for Prevention Research and Epidemiology - BIPS, Bremen, Germany.
使用准标识符的记录链接通常由于数据不一致而失败. 机器学习,特别是梯度增强,可以提高链接质量,当由黄金标准链接提供信息时,可以增强患者数据集成.
科学领域:
- 医疗信息学 医疗信息学
- 数据科学数据科学数据科学
- 流行病学 流行病学
背景情况:
- 在没有唯一标识符的情况下,记录链接对于整合健康数据至关重要.
- 准识别符 (例如出生年份,性别,位置) 经常用于链接,但可能导致错误.
- 了解连接失败是改善数据质量和研究的关键.
研究的目的:
- 通过使用准标识符来检查连接失败的原因.
- 使用黄金标准数据开发和评估知情链接算法.
- 评估德国健康数据集可实现的链接质量.
主要方法:
- 使用了来自抗糖尿病队列 (德国索赔) 和结直肠癌登记册的患者数据.
- 应用并比较各种链接算法:确定性,逻辑回归,随机森林,梯度增强和神经网络.
- 进行描述性分析,以确定链接差异的原因.
主要成果:
- 梯度增强实现了最高的性能:77%的精度,81%的回忆和64%的F*测量.
- 很大一部分患者缺乏通过准标识符的独特识别:8%在GePaRD中和33%在癌症注册表中.
- 确定数据源之间的差异是连接失败的主要原因.
结论:
- 仅在准识别器上将德国索赔和癌症注册表数据联系起来,就会产生不够的质量.
- 为整个数据集推从子样本中利用独特标识符来训练算法.
- 梯度增强在这个记录链接任务中表现出卓越的性能.
更多相关视频
07:41Performing Data Mining And Integrative Analysis Of Biomarker in Breast Cancer Using Multiple Publicly Accessible Databases
Published on: May 17, 2019
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
相关概念视频
Cancer Survival Analysis
Statistical Methods for Analyzing Epidemiological Data
Comparing the Survival Analysis of Two or More Groups
Hazard Ratio
For example, in a clinical trial...
Types of Biopharmaceutical Studies: Controlled and Non-Controlled Approaches
Non-controlled studies, commonly employed for initial exploration, lack a control group, rendering them susceptible to biases and external influences. In contrast,...
Actuarial Approach
Consider the example of a high-risk surgical procedure with significant early-stage mortality. A two-year clinical study is conducted,...
