在芬兰国家电子健康记录系统中进行大规模评估和肝病风险预测:使用真实世界的数据进行可行性研究

科学领域:

• 医疗信息学 医疗信息学
• 公共卫生 公共卫生
• 预测分析是一种预测分析.

背景情况:

• 慢性肝病的发病率和死亡率在全球范围内不断上升.
• 早期检测至关重要,但具有挑战性,通常发生在症状阶段.
• 慢性肝病 (CLivD) 评分是预测肝病风险的预测模型.

研究的目的:

• 评估使用Kanta电子健康记录系统自动化CLivD得分的可行性.
• 确定在Kanta中进行必要的改进,以准确,自动化地检测风险.

主要方法:

• 利用一个现实世界的数据库 (Kanta) 拥有96,200个人的病史.
• 开发流程来管理缺少的输入数据用于CLivD风险计算.
• 通过结合非结构化文本和近似变量来模拟改进.

主要成果:

• 目前Kanta的结构化数据不足以准确计算CLivD风险.
• 结合非结构化文本和诊断近似值,显著改善了低至中等风险识别.
• 缺少的腰比数据阻止了高风险类别的识别;模拟显示了改进的潜力.

结论:

• 仅靠Kanta的结构化数据就不足以准确评估肥胖,吸烟和酒精影响的疾病的风险.
• 模拟显示,通过增强数据输入,风险检测得到了高达14%的改进.
• 坎塔有可能在全国范围内实现自动化风险检测,增强疾病预防和公共卫生.