近日研究人员依据电子病历(EMR)数据建立预测模型,以预测患者30天内再入院风险。
本次研究为系统回顾研究,收集2015年1月至2019年1月相关资料,涉及所有使用EMR数据的28天或30天医院再入院预测模型研究。研究的主要终点包括研究的特征、预测方法、预测特征和预测模型的性能。
在4442篇引文中,41项研究符合纳入标准。17个模型预测了所有患者的再入院风险,24个模型预测了特定人群的再入院风险,其中13个模型是为心脏病患者开发的。除了来自英国和以色列的两项研究外,所有的研究都来自美国。每个模型的总样本量在349到1195640之间。25个模型使用了分离样本验证技术。41项研究中有17项报告C统计值为0.75或更高。15个模型使用校准技术进一步完善模型。使用EMR数据使最终预测模型能够使用多种临床测量措施,如实验室结果和生命体征;然而,使用社会经济特征或功能状态的较少。使用自然语言处理,三个模型能够提取相关的社会心理特征,这大大改善了预测效果。有26项研究使用Logistic或Cox回归模型,其余研究使用AI学习方法。使用回归方法(0.71)建立的模型的平均C统计量与AI机器学习(0.74)之间未发现统计显著性差异。
总体而言,使用电子病历数据的预后预测模型具有较好的预测性能。
原始出处:
Elham Mahmoudi et al. Use of electronic medical records in development and validation of risk prediction models of hospital readmission: systematic review.BMJ. 08 April ,2020.
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
小提示:本篇资讯需要登录阅读,点击跳转登录
#BMJ#
68
#患者预后#
67