鉴定糖尿病视网膜病治疗中失效高风险患者:一项机器学习研究
Jizhou Tian1, Diep Tran2, Zainab Rustam2
1Department of Biostatistics, Bloomberg School of Public Health, Johns Hopkins University, Baltimore, Maryland.
Ophthalmology science
|February 16, 2026
概括
预测糖尿病视网膜病变 (DR) 护理中的缺失对于预防视力损失至关重要. 结合患者病史和健康的社会决定因素的机器学习模型有效地识别高风险个体,以便及时干预.
科学领域:
- 眼科医生 眼科 眼科
- 医疗信息学 医疗信息学
- 预测分析是一种预测分析.
背景情况:
- 糖尿病视网膜病变 (DR) 是糖尿病患者视力丧失的主要原因.
- 预测和预防DR护理中的缺陷对于有效的疾病管理至关重要.
- 现有的预测模型可能无法完全捕捉护理差距的多因素性质.
研究的目的:
- 开发和验证机器学习算法,用于预测糖尿病视网膜病变护理中的缺陷.
- 识别关键的护理失效预测因素,包括电子健康记录 (EHR) 数据和健康的社会决定因素 (SDoH).
- 评估不同的算法方法在预测DR护理中断的性能.
主要方法:
- 追溯性队列研究涉及成人糖尿病患者接受DR护理.
- 随机森林 (RF) 和XGBoost (XGB) 预测模型的开发.
- 模型纳入了EHR变量,基于位置的SDoH和患者护理失效史.
主要成果:
- 性能最好的模型RF-C表现出强大的预测能力,AUROC为0.774和AUPRC为0.707.
- 纳入SDoH和过失历史的模型明显优于仅使用EHR数据的模型.
- XGBoost 模型证实了包括全面变量集在内的算法的卓越性能.
结论:
- 机器学习模型可以有效地预测糖尿病视网膜病变护理中的缺陷.
- 整合EHR数据,SDoH和历史护理模式可以提高预测准确度.
- 这些预测工具可以促进有针对性的干预措施,以减少护理差距和预防视力丧失.
