开发和验证病例查找算法,用于在日本第三级护理中心的行政索赔数据库中识别系统性红斑狼患者

科学领域:

• 医疗信息学 医疗信息学
• 类风湿病学 类风湿病学
• 数据科学数据科学数据科学

背景情况:

• 系统性红斑狼 (SLE) 诊断在行政索赔数据中可能具有挑战性.
• 准确的患者鉴定对于流行病学研究和医疗管理至关重要.

研究的目的:

• 开发和验证使用日本行政索赔数据库识别SLE患者的算法.
• 为了比较用于SLE病例识别的统计和机器学习方法的性能.

主要方法:

• 一项回顾性横截面研究,涉及来自六个高等保健中心的13,538名患者.
• 使用后勤回归,随机森林和决策树模型开发和验证算法.
• 使用了包括LASSO,Boruta和递归特征消除在内的特征选择技术.

主要成果:

• 随机森林模型表现出卓越的性能,AUROC为0.995.
• 使用诊断代码和抗双链DNA抗体测试的简化规则实现了高准确性.
• 尿沉积物检查提供了适度的灵敏度增加,但减少了特异性.

结论:

• 基于索赔的算法整合了诊断代码和实验室测试,可以准确识别SLE患者.
• 这有助于可靠地利用行政数据进行现实研究.
• 开发的算法增强了使用索赔数据进行大规模SLE研究的潜力.