使用功能主要成分分析和电子健康记录,预测青光眼患者的渐进性视力丧失

科学领域:

• 眼科医生 眼科 眼科
• 生物统计学 生物统计学
• 医疗信息学 医疗信息学

背景情况:

• 玻璃眼是全球不可逆转失明的主要原因.
• 个性化管理策略需要准确预测疾病进展.
• 目前用于预测青光眼视野 (VF) 变化的方法有限.

研究的目的:

• 开发和验证一种新的方法,用于预测单个患者的视野 (VF) 在绿眼病的进展.
• 将功能主要组件分析 (FPCA) 与电子健康记录 (EHR) 数据相结合,以提高预测准确度.
• 通过对临床轨迹的准确预测,实现个性化眼病管理.

主要方法:

• 使用诊断代码开发了一个两阶段的建模管道,以识别至少三次VF测试的玻璃眼患者.
• 患者被分为快速进展者或缓慢进展者.
• 使用FPCA预测10年平均偏差 (MD) 轨迹,使用基线VF和EHR数据,适应不同的输入数据稀疏性.

主要成果:

• 该模型在10年MD轨迹预测中实现了快速进步者的R平方0.646和缓慢进步者的R平方0.728.
• 短期预测显示出更高的准确性,1年R平方值超过0.918的两个组.
• 该方法在各种数据输入方面表现出强的性能,包括只有一次VF测试.

结论:

• 结合FPCA和EHR数据的新方法有效地模拟了青光眼患者的纵向临床轨迹.
• 该方法适用于分析稀疏和不规则安排的医疗保健数据.
• 这些发现支持了通过数据驱动的预测建模来改善和个性化眼治疗的潜力.