一个通信效率高的联合学习算法,用于评估移植后生存时间的种族差异
Yudong Wang1,2, Dazheng Zhang1,2, Jiayi Tong1,2,3
1The Center for Health AI and Synthesis of Evidence (CHASE), Perelman School of Medicine, The University of Pennsylvania, Philadelphia, PA 19104, United States.
Journal of the American Medical Informatics Association : JAMIA
|September 24, 2025
概括
这项研究没有发现基于医院的移植存活率存在种族差异的证据. 一种新的联合学习方法分析了患者数据,显示出医院入院差异对黑人与白人患者的结果的影响最小.
科学领域:
- 医疗保健服务研究 医疗服务研究
- 移植医学 移植医学
- 健康 公平 卫生 公平
背景情况:
- 包括移植在内的医疗保健结果的种族差异是一个重大问题.
- 以前的研究表明,种族群体之间的结果和医院利用率存在差异.
- 具体的医疗保健场所对这些差异的影响需要进行定量评估.
研究的目的:
- 量化评估护理地点对移植后生存时间的种族差异的影响.
- 为了比较接受移植的非西班牙裔黑人 (NHB) 和非西班牙裔白人 (NHW) 患者的生存结果.
- 开发和应用一种新的去中心化方法来分析护理场所的差异.
主要方法:
- 开发一种通信效率高的联合学习算法 (CEDAR-t2e),用于分散的时间到事件数据分析.
- 模块I:使用Poissonization对特定地点的比例危险模型进行分布式估计.
- 模块II:基于NHW入院分布的NHB患者的反事实生存延长的计算.
主要成果:
- 分析了来自73个移植中心的39,043名患者的美国脏数据系统数据.
- 没有统计学上显著的证据表明,在移植后的生存中,与护理地点相关的种族差异.
- 假设NHW入院分布,NHB患者的反事实移植失败时间延长仅为一年内平均0.61天.
结论:
- 拟议的联合学习方法提供了一种定量衡量方法,以评估护理场所的差异.
- 研究结果表明,医院所在地对移植存活率的种族差异没有显著的影响.
- 该方法可以扩展到调查其他时间到事件结果,可能在各种医疗领域促进健康公平.
