相关实验视频
Updated: Jan 14, 2026
05:37
An R-Based Landscape Validation of a Competing Risk Model
Published on: September 16, 2022
2.5K
使用特定结果的机器学习模型开发和评估对外科手术的社区社会风险指数
Jessica K Liu1, Yaoming Liu2, Mark E Cohen2
1Division of Research and Optimal Patient Care, American College of Surgeons, Chicago, IL; Department of Surgery, Harbor UCLA Medical Center, Torrance, CA.
Surgery
|October 17, 2025
概括
基于机器学习的社会风险指数提高了对手术结果的预测. 这些新的指数提供了比现有措施更深入的了解,健康的社会决定因素如何影响患者的结果.
科学领域:
- 医疗保健服务研究 医疗服务研究
- 医疗信息学 医疗信息学
- 公共卫生 公共卫生
背景情况:
- 社会风险因素显著影响健康结果,并被用于医疗保健支付调整和健康差异研究.
- 目前的社会风险综合测量方法在准确预测特定健康结果方面存在局限性.
研究的目的:
- 使用美国人口普查数据组件开发和评估基于机器学习的社会风险指数.
- 评估这些指数对特定手术结果的预测能力.
- 将基于机器学习的指数与面积剥夺指数的表现进行比较.
主要方法:
- 利用了美国外科医生学院国家外科质量改进计划医院的数据.
- 从面积剥夺指数组件中构建基于机器学习的社会风险指数.
- 将社会风险成分调整为外科手术结果,以了解它们对特定结果的影响.
主要成果:
- 基于机器学习的指数显示,与区域剥夺指数相比,所有14种手术结果模型的预测能力都更强.
- 在机器学习模型中,标准化参数估计的中位数增加了8.15倍.
- 分析揭示了区域贫困指数组件对特定术后结果的不同贡献,提供了详细的见解.
结论:
- 开发的基于机器学习的指数为社会风险评估提供了更高的信息价值.
- 这些指数可以作为医疗保健中的健康公平风险调整的更可靠衡量标准.
- 这种方法为医疗保健支付调整提供了一个可能比目前的方法更准确的工具.
更多相关视频
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
485
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
7.5K
