使用常规初级保健电子健康记录数据开发和外部验证电子脆弱指数2

科学领域:

• 老年学是一门学科.
• 医疗信息学 医疗信息学
• 预测分析 (Predictive Analytics) 是一种分析方法.

背景情况:

• 电子虚弱指数 (eFI) 是英国的一级保健工具,用于识别虚弱.
• 最初的eFI的局限性包括变量均等权重和缺乏时间限制.
• eFI2的开发旨在解决这些局限性,并改善脆弱性预测.

研究的目的:

• 开发和外部验证eFI2预测模型.
• 预测一年内不良结果的综合风险.
• 改进原来的eFI的预测准确度和方法.

主要方法:

• 利用来自两个独立的回顾性队列 (布拉德福德和威尔士) 的链接初级,二级和社会护理数据.
• 包括原始的eFI变量和由文献和临床专业知识所依据的新预测因素.
• 使用考克斯回归来建模复合结果,用于开发和外部验证.

主要成果:

• 内部验证显示出优异的区分 (C指数=0.803) 和良好的校准.
• 外部验证证明了良好的区分 (C指数=0.723) 轻微的校准错误.
• eFI2模型在预测关键的脆弱性相关结果方面表现强大.

结论:

• eFI2为关键脆弱性结果提供了可靠的预测,超过了原来的eFI.
• 在eFI2开发和验证的新方法推进了国际脆弱性研究.
• eFI2为与脆弱相关的研究制定了新的方法标准.