一个数据驱动的与年龄相关的黄斑退化严重性评分系统,利用AREDS研究和临床电子医疗记录

科学领域:

• 眼科医生 眼科 眼科
• 医疗信息学 医疗信息学
• 生物统计学 生物统计学

背景情况:

• 传统的与年龄相关的黄斑变性 (AMD) 评分系统通常需要完整的数据,这在常规电子病历 (EMR) 数据中很少存在.
• 开发数据驱动系统对于在现实世界临床环境中准确评估AMD至关重要.

研究的目的:

• 为了创建一个数据驱动的严重性评分系统,以排泄性 (AMD-W) 和非排泄性 (AMD-D) 与年龄相关的黄斑变性.
• 通过使用EMR数据的常规临床特征来实现评分系统的应用,解决传统方法的局限性.

主要方法:

• 这是一项回顾性队列研究,利用了与年龄相关的眼病研究 (AREDS),AREDS2和眼睛成年人的思维变化研究 (Eye ACT) 的数据.
• 确认因素分析 (CFA) 用于开发AMD-D和AMD-W的严重性得分模型.
• 自然语言处理 (NLP) 文本挖掘算法从眼睛ACT队列中的EMR中提取了纵向眼科临床数据,用于模型应用和验证.

主要成果:

• 开发的AMD-D和AMD-W得分显示出中度的正相关性 (皮尔森0.702).
• 在没有抗VEGF治疗的眼睛中,AMD-D得分在80岁后显示出更的增加.
• 在接受抗VEGF治疗的眼睛中,AMD-W得分在治疗开始之前逐渐增加.

结论:

• 基于CFA的评分系统有效地使用例行收集的临床数据来评估非湿性和湿性AMD严重程度,即使缺少信息.
• 这种新的系统克服了在没有完整EMR数据的环境中标准AREDS评分的局限性.
• 该系统提供了关于AMD进展及其与治疗的关系的详细见解,适用于常规临床实践.