使用现实世界数据的预测模型来识别患有过敏氨基酸性综合征的患者
Paneez Khoury1, Yen Chung2, Donna Carstens2
1National Institute of Allergy and Infectious Diseases, Bethesda, Md.
The journal of allergy and clinical immunology. Global
|November 28, 2025
概括
一个新的机器学习模型在真实世界的数据中准确地预测过敏氨酸性综合征 (HES). 这表明,在一般人群中,HES的实际患病率可能被严重低估.
科学领域:
- 医疗信息学 医疗信息学
- 血液学 血液学 血液学
- 机器学习 机器学习
背景情况:
- 在现实世界的医疗保健数据中,高氨酸性综合征 (HES) 提出了诊断挑战.
- 准确识别HES对于有效的患者管理至关重要.
研究的目的:
- 开发一种机器学习模型,使用二次数据预测HES诊断.
- 估计血液中乙氨基酸细胞计数 (BEC) 增加的个体中HES的患病率.
主要方法:
- 利用开放的医疗/药房索赔数据用于模型开发.
- 包括具有HES诊断码和BEC升高 (>1,000细胞/μL) 的患者和非HES对照.
- 采用了通用的线性混合模型,并使用5倍交叉验证来评估性能.
主要成果:
- 该模型实现了0.82的AUC和0.83.8的AUPRC.
- 确定了6233名预测HES的患者,表现出与被诊断为HES患者相似的特征.
- 在高BEC患者中,估计预测HES患病率为5.30%和总HES患病率为5.65%
结论:
- 机器学习有效地识别了大量预测的HES病例.
- 这些发现表明,在当前的现实数据中,HES患病率被严重低估了.
- 开发的模型可以帮助更好地理解和诊断HES.
更多相关视频
08:44Identification and Characterization of Immunogenic RNA Species in HDM Allergens that Modulate Eosinophilic Lung Inflammation
Published on: May 30, 2020
6.5K
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
