机器学习模型能准确预测多病患者1年死亡率
2018年6月,发表在《J Gen Intern Med》的一项由美国学者进行的概念验证研究,利用多病患者现有的住院末期电子病历记录数据开发和验证用于预测患者1年死亡率的机器学习模型。
背景:预测临床多样化的多病住院患者队列的死亡非常困难。基于电子病历记录(EMR)数据研发1年死亡风险预后模型可改善临终关怀计划并对研究的风险进行调整。
目的:旨在考察患者住院末期人口统计学、生命体征和实验室数据集是否可准确用于量化其1年死亡风险。
设计:使用与国家死亡注册登记相连的电子病历记录数据进行的回顾性研究。
参与者:共计纳入4年期间6家医院的59848名住院患者。
主要测量:住院末期生命体征、全血细胞计数、基本和完整代谢组、人口统计学信息、ICD编码。首要结局指标为1年内死亡率。
结果:在验证数据集上检测模型性能。随机森林(RF)比逻辑回归(LR)模型在鉴别能力上更具优势。使用住院最终48小时的人口统计学、生命体征和实验室数据的最终数据集建立的用于预测1年内死亡的RF模型,其曲线下面积(AUC)为0.86(0.85~0.87)。年龄、血尿素氮、血小板计数、血红蛋白、肌酐是RF模型中最重要的变量。仅使用合并症变量的模型具有最低的AUC。具有较高死亡概率的患者中,RF模型低估率不超过10%。
结论:患者住院末期EMR数据集能准确用于评估多病住院患者的1年死亡风险。
http://www.ncbi.nlm.nih.gov/pubmed/29383551
(选题审校:林巧楠 编辑:王淳)
(本文由北京大学第三医院药剂科翟所迪教授及其团队选题并审校,环球医学资讯编辑完成。)
(专家点评:)
- 评价此内容
- 我要打分
近期推荐
热点文章
热门关键词
合作伙伴
Copyright g-medon.com All Rights Reserved 环球医学资讯 未经授权请勿转载!
网络实名:环球医学:京ICP备08004413号-2
关于我们|
我们的服务|版权及责任声明|联系我们
互联网药品信息服务资格证书(京)-经营性-2017-0027
互联网医疗保健信息服务复核同意书 京卫计网审[2015]第0344号