用机器学习分解健康差异和差异以及观察到预期的比率:适用于主要下肢截肢的应用

科学领域:

• 血管外科 血管外科
• 健康差距 研究 研究 研究 研究
• 公共卫生政策 公共卫生政策

背景情况:

• 大型下肢截肢是外周动脉疾病 (PAD) 的严重并发症.
• 在PAD截肢率方面,种族,民族和农村的差异是显著的,但不太了解.
• 确定这些差异的根本原因对于制定有针对性的干预措施至关重要.

研究的目的:

• 调查临床,医院和社会健康决定因素 (SDOH) 对PAD患者下肢截肢的主要种族和农村差异的贡献.
• 量化这些因素在多大程度上解释了人口群体之间观察到的截肢率差异.

主要方法:

• 分析2017-2019年佛罗里达州,乔治亚州,马里兰州,密西西比州和纽约州住院患者的40岁以上PAD患者的数据.
• 利用三种模型 (未调整,调整临床因素,通过LASSO回归调整临床,医院和SDOH因素) 来估计预期的截肢人数.
• 计算了观察到预期的截肢比率,以确定和量化差异.

主要成果:

• 该研究包括1,577,061例住院治疗和21,233例主要下肢截肢 (1.4%).
• 在对临床因素进行调整后,在农村黑人,西班牙裔,美洲原住民和白人患者以及非农村黑人和美洲原住民患者中发现了差异.
• 进一步调整医院因素和SDOH消除了农村白人患者的差异,但农村黑人,西班牙裔,美洲原住民和非农村黑人和美洲原住民患者的差异仍然存在.

结论:

• 仅仅临床因素并不能完全解释观察到的截肢率差异.
• 医院因素和健康的社会决定因素也不能完全解释这些差异.
• 考虑到已知的因素后,差异的持续性表明,在外周动脉疾病患者中,下肢截肢的主要隐性偏差可能起作用.