通过机器学习增强的数据链接过程,恢复缺失的电子健康记录死亡数据.
John P Powers1, Samyuktha Nandhakumar1, Sofia Z Dard1
1North Carolina Translational and Clinical Sciences Institute, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599, United States.
概括
这项研究创建了一个自动化系统,将外部死亡数据与电子健康记录 (EHR) 联系起来. 该过程有效地恢复了缺失的患者死亡信息,增强了研究数据.
科学领域:
- 医疗信息学 医疗信息学
- 生物医学数据科学 生物医学数据科学
- 公共卫生监督 公共卫生监督
背景情况:
- 电子健康记录 (EHR) 往往缺乏全面的死亡数据.
- 准确的死亡率数据对于临床研究和公共卫生至关重要.
- 目前在电子健康记录中更新死亡信息的方法可能是手动和低效的.
研究的目的:
- 建立一个可扩展,自动化和可持续的流程,将外部死亡数据集成到电子健康记录中.
- 创建一个可适应的模板,用于不同的医疗保健系统.
- 为了提高EHR研究中的死亡信息的完整性.
主要方法:
- 开发了一个自动化管道,每月更新州死亡记录,并与EHR患者数据链接.
- 使用机器学习分类器来自动匹配潜在的患者死亡记录.
- 获得了与手动审查相比较的分类性能.
主要成果:
- 自动链接显示了高精度,具有99.3%的灵敏度和98.8%的特异性.
- 很大一部分患者的死亡 (77.6%) 之前没有被记录在电子健康记录中.
- 该系统成功地恢复了大量以前缺失的死亡率数据.
结论:
- 开发了一种有效,可扩展和可持续的解决方案,用于恢复电子健康记录中缺少的死亡率数据.
- 恢复的数据增强了EHR用于研究目的的实用性.
- 这种自动化方法为其他医疗保健系统提供了一个模板,以提高死亡数据的完整性.
相关概念视频
01:30Methods of Documentation VII: EMR
822
Electronic Medical Records (EMRs) primarily center around electronically documenting patients' health information within a single healthcare organization or practice. They contain essential clinical data related to a patient's medical history, diagnoses, medications, treatment plans, lab results, and other pertinent information relevant to the specific encounter or episode of care. EMRs are designed to streamline documentation and workflow processes within individual healthcare...
822
01:24Kaplan-Meier Approach
74
The Kaplan-Meier estimator is a non-parametric method used to estimate the survival function from time-to-event data. In medical research, it is frequently employed to measure the proportion of patients surviving for a certain period after treatment. This estimator is fundamental in analyzing time-to-event data, making it indispensable in clinical trials, epidemiological studies, and reliability engineering. By estimating survival probabilities, researchers can evaluate treatment effectiveness,...
74