开发和验证数据驱动的,基于决策树的算法,用于在索赔数据中识别贝切特病

科学领域:

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

背景情况:

• 在日本,贝塞特病的诊断依赖于临床标准.
• 使用行政数据准确识别贝塞特病患者是具有挑战性的.
• 现有的诊断算法可能缺乏精度和外部验证.

研究的目的:

• 开发和外部验证新的数据驱动算法,用于在日本识别贝塞特病患者.
• 为此目的,评估可变选择方法和决策树模型的有用性.
• 提高对贝塞特病的基于声明的研究的准确性.

主要方法:

• 六家三级医院的13,538名患者进行了回顾性横截面研究.
• 与图表确认的贝塞特病诊断相关的索赔数据.
• 使用最小绝对收缩和选择运算符,Boruta和递归特征消除来进行特征选择.
• 从决策树模型开发了基于规则的算法,并评估了诊断性能.

主要成果:

• 仅仅诊断代码就显示了高灵敏度 (1.000) 和特异性 (0.992),但具有适度的正预测值 (PPV).
• 结合硫甲醇-三甲和胆固醇的处方,显著改善了PPV (0.793在试验组中,0.865在外部验证中).
• 开发的算法保持了高灵敏度和特异性,同时增强了PPV.

结论:

• 将处方数据与诊断代码集成,可以提高在索赔数据中识别贝塞特病患者的准确性.
• 结合变量选择和决策树分析的数据驱动框架提供了一种经过验证和可扩展的方法.
• 这种方法支持对贝塞特病的更可靠的基于索赔的研究.