原始论文gydF4y2Ba
摘要gydF4y2Ba
背景:gydF4y2Ba慢性阻塞性肺疾病(COPD)是卫生保健的一大负担。严重COPD加重需要急诊科就诊或住院治疗,往往导致肺功能和健康状况不可逆转的下降,占COPD相关医疗总费用的90.3%。许多严重的COPD加重被认为可以通过适当的门诊治疗来预防。目前预测COPD严重恶化的模型缺乏准确性,因此很难有效地针对高危患者进行预防护理管理,以减少COPD严重恶化并改善预后。gydF4y2Ba
摘要目的:gydF4y2Ba这项研究的目的是开发一个更准确的模型来预测严重的COPD加重。gydF4y2Ba
方法:gydF4y2Ba我们检查了2011年至2019年期间访问华盛顿大学医学设施的所有COPD患者,确定了278个候选特征。通过对2011年至2019年华盛顿大学医学院43,576个数据实例进行二次分析,我们创建了一个机器学习模型来预测COPD患者在未来一年的严重COPD加重。gydF4y2Ba
结果:gydF4y2Ba最终模型的受试者工作特征曲线下面积为0.866。当使用预测风险最大的前9.99%(752/7529)的患者设置二元分类的截止阈值时,模型的准确率为90.33%(6801/7529),灵敏度为56.6%(103/182),特异性为91.17%(6698/7347)。gydF4y2Ba
结论:gydF4y2Ba与先前发表的模型相比,我们的模型对未来一年的严重COPD加重提供了更准确的预测。在进一步改进其性能指标(例如,通过添加从临床记录中提取的特征)后,我们的模型可以用于决策支持工具,指导COPD患者的识别和护理管理的高风险,以改善结果。gydF4y2Ba
国际注册报告标识符(IRRID):gydF4y2Barr2 - 10.2196/13783gydF4y2Ba
doi: 10.2196/28953gydF4y2Ba
关键字gydF4y2Ba
简介gydF4y2Ba
背景gydF4y2Ba
在美国,慢性阻塞性肺病(COPD)影响6.5%的成年人[gydF4y2Ba
]是第四大死亡原因,不包括COVID-19 [gydF4y2Ba ].每年,COPD导致150万次急诊,70万次住院,总医疗费用为321亿美元[gydF4y2Ba ].严重COPD加重是指需要急诊科就诊或住院的情况[gydF4y2Ba ],占慢性阻塞性肺病相关医疗费用总额的90.3% [gydF4y2Ba ],并常导致肺功能和健康状况不可逆转的下降[gydF4y2Ba -gydF4y2Ba ].许多严重的COPD加重(例如,47%的COPD住院患者)被认为可以通过适当的门诊治疗加以预防[gydF4y2Ba ,gydF4y2Ba ]因为慢性阻塞性肺病是一种对门诊护理敏感的疾病[gydF4y2Ba ].减少严重慢性阻塞性肺病加重的常用方法是将高危患者纳入预防护理管理计划[gydF4y2Ba -gydF4y2Ba ].使用预测模型可以前瞻性地识别高风险患者[gydF4y2Ba ].一旦患者进入护理管理计划,护理经理将定期联系患者进行健康状况评估,并帮助协调健康和相关服务。许多保健计划都采用了这种方法,例如12个大都市社区中有9个社区的保健计划[gydF4y2Ba 以及许多医疗保健系统。成功的护理管理可减少高达27%的急诊科就诊次数[gydF4y2Ba ]及40%的住院病人会留在[gydF4y2Ba ]在慢性阻塞性肺病患者中。gydF4y2Ba但由于资源和服务能力的限制,只有≤3%的患者可以进入护理管理项目[gydF4y2Ba
].其有效性的上限是这些患者的风险水平,这是由所使用的预测模型的准确性决定的。COPD分期或既往COPD严重加重均不能很好地预测患者未来COPD严重加重的风险水平[gydF4y2Ba ,gydF4y2Ba ].在此之前,研究人员已经建立了几个模型来预测COPD患者的严重COPD加重[gydF4y2Ba -gydF4y2Ba ].这些模型在护理管理中使用是不准确和次优的,因为它们遗漏了50%以上未来将经历严重COPD加重的患者,错误地预测了许多其他患者将经历严重COPD加重[gydF4y2Ba -gydF4y2Ba ,gydF4y2Ba ],使用常规临床实践中无法获得的数据[gydF4y2Ba -gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba -gydF4y2Ba ,gydF4y2Ba ],或专为与典型COPD患者特征不同的患者设计[gydF4y2Ba -gydF4y2Ba ].此外,大多数模型仅预测慢性阻塞性肺病住院时间。为了更好地指导护理管理的使用,我们需要预测COPD的急诊科就诊和住院时间,这些模型中只有2个[gydF4y2Ba ,gydF4y2Ba )做的。在实践中,一旦将模型用于护理管理,模型产生的预测错误将导致患者预后下降和不必要的医疗成本。由于慢性阻塞性肺病患者数量众多,即使是模型准确性的微小改善,再加上适当的预防干预,也有助于改善结果,并避免每年因慢性阻塞性肺病而去急诊科就诊和住院。gydF4y2Ba客观的gydF4y2Ba
这项研究旨在开发一个更准确的模型来预测COPD患者在未来一年的严重COPD加重。为了适用于护理管理,该模型应使用常规临床实践中可用的数据,并针对所有COPD患者。gydF4y2Ba
方法gydF4y2Ba
伦理批准与研究设计gydF4y2Ba
华盛顿医学大学(UWM)的机构审查委员会批准了这项关于行政和临床数据的二次分析研究。gydF4y2Ba
患者人群gydF4y2Ba
在华盛顿州,UWM是最大的学术医疗保健系统。UWM企业数据仓库包括来自3家医院和12家诊所的管理和临床数据。患者队列包括2011年至2019年期间访问过这些机构的COPD患者。使用我们之前识别COPD患者的方法[gydF4y2Ba
]改编自文学作品[gydF4y2Ba -gydF4y2Ba ],如果患者年龄≥40岁,且满足中列出的4项标准中的1项,我们就认为患者患有慢性阻塞性肺病gydF4y2Ba .在计算任何一年的数据实例时,我们排除了在该年没有在UWM遇到或死亡的患者。未使用其他排除标准。gydF4y2Ba4项标准用于识别慢性阻塞性肺疾病患者。gydF4y2Ba
对这4个标准的描述gydF4y2Ba
- 慢性阻塞性肺疾病门诊诊断代码(国际疾病分类第九版:491.22,491.21,491.9,491.8,493.2x, 492.8, 496;国际疾病分类,第十版:J42, J41.8, J44。*, J43。*)followed by ≥1 prescription of long-acting muscarinic antagonist (aclidinium, glycopyrrolate, tiotropium, and umeclidinium) within 6 months
- ≥1个急诊科或≥2个门诊慢性阻塞性肺疾病诊断代码(国际疾病分类,第九版:491.22,491.21,491.9,491.8,493.2x, 492.8, 496;国际疾病分类,第十版:J42, J41.8, J44。*, J43。*)gydF4y2Ba
- ≥1例以慢性阻塞性肺疾病为主要诊断代码的住院出院患者(《国际疾病分类》第九版:491.22、491.21、491.9、491.8、493.2x、492.8、496;国际疾病分类,第十版:J42, J41.8, J44。*, J43。*)gydF4y2Ba
- ≥1例以呼吸衰竭为主要诊断代码的住院出院患者(《国际疾病分类》第九版:518.82,518.81,799.1,518.84;《国际疾病分类》第十版:J96.0*, J80, J96.9*, J96.2*, R09.2)和急性慢性阻塞性肺疾病加重的二次诊断代码(《国际疾病分类》第九版:491.22,491.21,493.22,493.21;国际疾病分类,第十版:J44.1, J44.0)gydF4y2Ba
预测目标(又称结果或因变量)gydF4y2Ba
给定一名COPD患者,该患者在特定年份(指标年份)曾在UWM就诊过≥1次,我们使用该患者截至当年最后一天的数据来预测患者是否会出现严重的COPD加重,即主要诊断为COPD的任何急诊科就诊或住院(国际疾病分类,第九版:491.22,491.21,491.9,491.8,493.2x, 492.8, 496;国际疾病分类,第十版:J42, J41.8, J44。*, J43.*),在第二年(gydF4y2Ba
).gydF4y2Ba数据集gydF4y2Ba
我们从UWM企业数据仓库中获得了一个结构化的数据集。该数据集包括2011年至2020年在UWM的3家医院和12家诊所就诊的患者队列的行政和临床数据。gydF4y2Ba
特征(也称为自变量)gydF4y2Ba
为了提高模型的准确性,我们检查了在数据集中的结构化属性上计算的大量候选特征。表S1gydF4y2Ba
[gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba -gydF4y2Ba ]显示这278个候选特征来自四个来源:COPD加重的已知危险因素[gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba -gydF4y2Ba ],先前模型中用于预测严重COPD加重的特征[gydF4y2Ba -gydF4y2Ba ],我们团队的临床医生ZCL建议的特征,以及我们之前的模型中用于预测哮喘住院病例的特征[gydF4y2Ba ,gydF4y2Ba ].哮喘与慢性阻塞性肺病有许多相似之处。在这篇文章中,当我们提到一种特定类型的物品(如药物)的数量时,不使用单词gydF4y2Ba截然不同的gydF4y2Ba,我们计算多样性。gydF4y2Ba预测模型的每个输入数据实例包含278个特征,对应于不同的患者和索引年对,并用于预测患者在下一年的结果。对于这一对,患者的年龄是根据指数年年底的年龄计算的。患者的初级保健提供者(PCP)被计算为到索引年年底患者的最后记录PCP。根据指数前年和指数年的数据计算PCP患者在指数前年COPD严重加重的百分比。使用从2011年到索引年的数据,我们计算出26个特征:数据集中与COPD相关的首次遭遇的年数,数据集中与COPD相关的首次遭遇的类型,7个过敏特征,以及17个与问题列表相关的特征。其他251个特征是根据索引年份的数据计算的。gydF4y2Ba
数据分析gydF4y2Ba
数据准备gydF4y2Ba
使用我们论文中使用的数据准备方法[gydF4y2Ba
,gydF4y2Ba ],我们确定了生物学上不可信的值,将其替换为空值,并将数据规范化。由于结果来自下一年,数据集在10年(2011-2020年)的时间跨度内有9年的有效数据(2011-2019年)。为了反映未来模型在临床实践中的使用,并评估COVID-19大流行对患者预后和模型性能的影响,我们进行了两项分析:gydF4y2Ba- 主要分析:我们使用2011-2018年的数据实例作为训练集来训练模型,使用2019年的数据实例作为测试集来评估模型性能。gydF4y2Ba
- 性能稳定性分析:我们使用2011-2017年数据实例作为训练集来训练模型,使用2018年数据实例作为测试集来评估模型性能。gydF4y2Ba
分类算法gydF4y2Ba
我们使用怀卡托知识分析环境(WEKA;3.9版)[gydF4y2Ba
].WEKA是一个用于机器学习和数据挖掘的主要开源软件包。它集成了许多常用的机器学习算法和特征选择技术。我们研究了WEKA支持的39种分类算法,并在论文的基于web的多媒体附录中列出[gydF4y2Ba ],以及Extreme Gradient Boosting (XGBoost) [gydF4y2Ba 在XGBoost4J包中实现[gydF4y2Ba ].XGBoost是一种使用决策树集成的分类算法。由于XGBoost只接受数值特征,我们通过单热编码将分类特征转换为二进制特征。在主要分析中,我们使用了训练集和我们之前发表的自动机器学习模型选择方法[gydF4y2Ba ]以自动选择分类算法、特征选择技术、处理不平衡数据的数据平衡方法以及所有适用的超参数值。与Auto-WEKA自动机器学习模型选择方法比较[gydF4y2Ba ]时,我们的方法平均降低了11% (SD 15%)的模型错误率和28倍的搜索时间。在性能稳定性分析中,我们使用了与主分析最终模型相同的分类算法、特征选择技术和超参数值。gydF4y2Ba性能指标gydF4y2Ba
如公式所示,模型的性能根据以下指标进行评估:精度(gydF4y2Ba
);敏感,也叫回忆;特异性;正预测值(PPV),又称精密度;负预测值(NPV);、受试者工作特征曲线(AUC)下面积:gydF4y2Ba精度= (TP + TN) / (TP + TN + FP + FN)gydF4y2Ba(1)gydF4y2Ba
灵敏度= TP / (TP + FN)gydF4y2Ba(2)gydF4y2Ba
特异性= TN / (TN + FP)gydF4y2Ba(3)gydF4y2Ba
PPV = tp / (tp + fp)gydF4y2Ba(4)gydF4y2Ba
NPV = tn / (tn + fn)gydF4y2Ba(5)gydF4y2Ba
其中TP代表真阳性,TN代表真阴性,FP代表假阳性,FN代表假阴性。gydF4y2Ba
结果类gydF4y2Ba | 严重的慢性阻塞性肺病gydF4y2Ba一个gydF4y2Ba在接下来的一年里恶化gydF4y2Ba | 次年无严重COPD加重gydF4y2Ba |
预测明年COPD严重恶化gydF4y2Ba | 真阳性gydF4y2Ba | 假阳性gydF4y2Ba |
预测明年无严重COPD加重gydF4y2Ba | 假阴性gydF4y2Ba | 真正的负gydF4y2Ba |
一个gydF4y2BaCOPD:慢性阻塞性肺病。gydF4y2Ba
我们使用自举方法计算了绩效指标的95% ci [gydF4y2Ba
].我们从测试集中获得了1000个自举样本,并基于每个自举样本计算模型的性能度量。这为每个性能度量产生了1000个值。他们的2.5和97.5百分位提供了相应绩效指标的95% CI。为了描述敏感性和特异性之间的权衡,我们绘制了受试者工作特征曲线。gydF4y2Ba结果gydF4y2Ba
数据实例的分布和坏结果gydF4y2Ba
数据实例的数量随着时间的推移而增加。随着时间的推移,与坏结果相关的数据实例的比例保持相对稳定。唯一的例外是从2018年的5.21%(369/7089)突然下降到2019年的2.42% (182/7529)(gydF4y2Ba
),这是由于COVID-19大流行导致2020年急诊科就诊人数和慢性阻塞性肺病住院人数大幅下降[gydF4y2Ba ].在主要分析中,训练集中5.66%(2040/36,047)的数据实例和测试集中2.42%(182/7529)的数据实例与下一年的严重COPD加重有关。在性能稳定性分析中,训练集中5.77%(1671/28,958)的数据实例和测试集中5.21%(369/7089)的数据实例与下一年的严重COPD加重有关。gydF4y2Ba一年gydF4y2Ba | |||||||||
2011gydF4y2Ba | 2012gydF4y2Ba | 2013gydF4y2Ba | 2014gydF4y2Ba | 2015gydF4y2Ba | 2016gydF4y2Ba | 2017gydF4y2Ba | 2018gydF4y2Ba | 2019gydF4y2Ba | |
数据实例ngydF4y2Ba | 1848gydF4y2Ba | 2725gydF4y2Ba | 3204gydF4y2Ba | 4009gydF4y2Ba | 4875gydF4y2Ba | 5793gydF4y2Ba | 6504gydF4y2Ba | 7089gydF4y2Ba | 7529gydF4y2Ba |
与严重COPD相关的数据实例gydF4y2Ba一个gydF4y2Ba下一年病情加重n (%)gydF4y2Ba | 128 (6.93)gydF4y2Ba | 176 (6.46)gydF4y2Ba | 183 (5.71)gydF4y2Ba | 223 (5.56)gydF4y2Ba | 272 (5.58)gydF4y2Ba | 351 (6.06)gydF4y2Ba | 338 (5.2)gydF4y2Ba | 369 (5.21)gydF4y2Ba | 182 (2.42)gydF4y2Ba |
一个gydF4y2BaCOPD:慢性阻塞性肺病。gydF4y2Ba
病人的特点gydF4y2Ba
每个患者和索引年份对都匹配一个数据实例。对于主要分析的训练集和测试集,当比较与明年严重COPD加重相关的数据实例和与明年无严重COPD加重相关的数据实例之间的患者特征分布时,gydF4y2BaPgydF4y2Ba使用卡方2样本检验和Cochran-Armitage趋势检验计算值[gydF4y2Ba
]用于分类特征和数字特征,分别为(gydF4y2Ba 而且gydF4y2Ba ).gydF4y2Ba在主要分析的训练集中,大多数患者特征在与明年严重COPD加重相关的数据实例和与明年无严重COPD加重相关的数据实例之间显示出统计上显著不同的分布。有吸入皮质类固醇、长效β -2激动剂(LABA)和长效毒蕈碱拮抗剂(LAMA)组合处方的患者特征出现例外(gydF4y2BaPgydF4y2Ba=点);持有磷酸二酯酶-4抑制剂处方(gydF4y2BaPgydF4y2Ba= 0。06);患有糖尿病(gydF4y2BaPgydF4y2Ba=点);出现湿疹(gydF4y2BaPgydF4y2Ba= .30);患有肺癌(gydF4y2BaPgydF4y2Ba=。31);是否有鼻窦炎(gydF4y2BaPgydF4y2Ba=收)。在主要分析的测试集中,大多数患者特征在与次年严重COPD加重相关的数据实例和与次年无严重COPD加重相关的数据实例之间显示出统计学上显著不同的分布。有私人保险的病人特征除外(gydF4y2BaPgydF4y2Ba= .79);有LABA和LAMA组合的处方(gydF4y2BaPgydF4y2Ba= 54);有吸入性皮质类固醇、LABA和LAMA组合的处方(gydF4y2BaPgydF4y2Ba= .90);持有磷酸二酯酶-4抑制剂处方(gydF4y2BaPgydF4y2Ba= 10);有过敏性鼻炎(gydF4y2BaPgydF4y2Ba= .24);出现焦虑或抑郁(gydF4y2BaPgydF4y2Ba=。08);患有充血性心力衰竭(gydF4y2BaPgydF4y2Ba=厚);患有糖尿病(gydF4y2BaPgydF4y2Ba= .95);出现湿疹(gydF4y2BaPgydF4y2Ba=。08);有高血压(gydF4y2BaPgydF4y2Ba= . 05);患有肺癌(gydF4y2BaPgydF4y2Ba= .51);患有肥胖症(gydF4y2BaPgydF4y2Ba=升至);有鼻窦炎(gydF4y2BaPgydF4y2Ba= 0);以及睡眠呼吸暂停(gydF4y2BaPgydF4y2Ba= 22)。gydF4y2Ba
病人的特点gydF4y2Ba | 数据实例(N=36,047), N (%)gydF4y2Ba | 与严重COPD相关的数据实例gydF4y2Ba一个gydF4y2Ba下一年病情加重(N=2040), N (%)gydF4y2Ba | 与次年无严重COPD加重相关的数据实例(N=34,007), N (%)gydF4y2Ba | PgydF4y2Ba价值gydF4y2Ba | ||||||
年龄(年)gydF4y2Ba | <措施gydF4y2BabgydF4y2Ba | |||||||||
40 - 65gydF4y2Ba | 18793 (52.13)gydF4y2Ba | 1219 (59.75)gydF4y2Ba | 17574 (51.68)gydF4y2Ba | <措施gydF4y2Ba | ||||||
> 65gydF4y2Ba | 17254 (47.87)gydF4y2Ba | 821 (40.25)gydF4y2Ba | 16433 (48.32)gydF4y2Ba | <措施gydF4y2Ba | ||||||
性gydF4y2Ba | <措施gydF4y2Ba | |||||||||
女gydF4y2Ba | 15414 (42.76)gydF4y2Ba | 749 (36.72)gydF4y2Ba | 14665 (43.12)gydF4y2Ba | <措施gydF4y2Ba | ||||||
男性gydF4y2Ba | 20633 (57.24)gydF4y2Ba | 1291 (63.28)gydF4y2Ba | 19342 (56.88)gydF4y2Ba | <措施gydF4y2Ba | ||||||
比赛gydF4y2Ba | <措施gydF4y2Ba | |||||||||
美国印第安人或阿拉斯加原住民gydF4y2Ba | 713 (1.98)gydF4y2Ba | 26日(1.27)gydF4y2Ba | 687 (2.02)gydF4y2Ba | <措施gydF4y2Ba | ||||||
亚洲gydF4y2Ba | 2092 (5.8)gydF4y2Ba | 144 (7.06)gydF4y2Ba | 1948 (5.73)gydF4y2Ba | <措施gydF4y2Ba | ||||||
黑人或非裔美国人gydF4y2Ba | 4795 (13.3)gydF4y2Ba | 524 (25.69)gydF4y2Ba | 4271 (12.56)gydF4y2Ba | <措施gydF4y2Ba | ||||||
夏威夷土著或其他太平洋岛民gydF4y2Ba | 184 (0.51)gydF4y2Ba | 8 (0.39)gydF4y2Ba | 176 (0.52)gydF4y2Ba | <措施gydF4y2Ba | ||||||
白色gydF4y2Ba | 27447 (76.14)gydF4y2Ba | 1330 (65.2)gydF4y2Ba | 26117 (76.8)gydF4y2Ba | <措施gydF4y2Ba | ||||||
其他的,未知的或未报告的gydF4y2Ba | 816 (2.27)gydF4y2Ba | 8 (0.39)gydF4y2Ba | 808 (2.37)gydF4y2Ba | <措施gydF4y2Ba | ||||||
种族gydF4y2Ba | <措施gydF4y2Ba | |||||||||
拉美裔gydF4y2Ba | 857 (2.38)gydF4y2Ba | 53 (2.6)gydF4y2Ba | 804 (2.36)gydF4y2Ba | <措施gydF4y2Ba | ||||||
非西班牙裔gydF4y2Ba | 32585 (90.39)gydF4y2Ba | 1941 (95.15)gydF4y2Ba | 30644 (90.11)gydF4y2Ba | <措施gydF4y2Ba | ||||||
未知或未报告gydF4y2Ba | 2605 (7.23)gydF4y2Ba | 46 (2.25)gydF4y2Ba | 2559 (7.53)gydF4y2Ba | <措施gydF4y2Ba | ||||||
吸烟情况gydF4y2Ba | <措施gydF4y2Ba | |||||||||
当前吸烟者gydF4y2Ba | 16952 (47.03)gydF4y2Ba | 1089 (53.38)gydF4y2Ba | 15863 (46.65)gydF4y2Ba | <措施gydF4y2Ba | ||||||
他以前吸烟gydF4y2Ba | 7367 (20.44)gydF4y2Ba | 345 (16.91)gydF4y2Ba | 7022 (20.65)gydF4y2Ba | <措施gydF4y2Ba | ||||||
从不吸烟或未知gydF4y2Ba | 11728 (32.53)gydF4y2Ba | 606 (29.71)gydF4y2Ba | 11122 (32.7)gydF4y2Ba | <措施gydF4y2Ba | ||||||
保险gydF4y2Ba | ||||||||||
私人gydF4y2Ba | 17513 (48.58)gydF4y2Ba | 834 (40.88)gydF4y2Ba | 16679 (49.05)gydF4y2Ba | <措施gydF4y2Ba | ||||||
公共gydF4y2Ba | 29598 (82.11)gydF4y2Ba | 1767 (86.62)gydF4y2Ba | 27831 (81.84)gydF4y2Ba | <措施gydF4y2Ba | ||||||
自费或慈善gydF4y2Ba | 1994 (5.53)gydF4y2Ba | 229 (11.23)gydF4y2Ba | 1765 (5.19)gydF4y2Ba | <措施gydF4y2Ba | ||||||
与第一次相遇的年数有关gydF4y2Ba慢性阻塞性肺病gydF4y2Ba在数据集中gydF4y2Ba | <措施gydF4y2Ba | |||||||||
≤3gydF4y2Ba | 30315 (84.1)gydF4y2Ba | 1566 (76.76)gydF4y2Ba | 28749 (84.54)gydF4y2Ba | <措施gydF4y2Ba | ||||||
> 3gydF4y2Ba | 5732 (15.9)gydF4y2Ba | 474 (23.24)gydF4y2Ba | 5258 (15.46)gydF4y2Ba | <措施gydF4y2Ba | ||||||
慢性阻塞性肺病gydF4y2Ba药物处方gydF4y2Ba | ||||||||||
ICSgydF4y2BacgydF4y2Ba | 13327 (36.97)gydF4y2Ba | 1119 (54.85)gydF4y2Ba | 12208 (35.9)gydF4y2Ba | <措施gydF4y2Ba | ||||||
央行gydF4y2BadgydF4y2Ba | 9608 (26.65)gydF4y2Ba | 1042 (51.08)gydF4y2Ba | 8566 (25.19)gydF4y2Ba | <措施gydF4y2Ba | ||||||
萨巴gydF4y2BaegydF4y2Ba | 22549 (62.55)gydF4y2Ba | 1684 (82.55)gydF4y2Ba | 20865 (61.36)gydF4y2Ba | <措施gydF4y2Ba | ||||||
SABA和SAMA组合gydF4y2Ba | 7174 (19.9)gydF4y2Ba | 810 (39.71)gydF4y2Ba | 6364 (18.71)gydF4y2Ba | <措施gydF4y2Ba | ||||||
喇嘛gydF4y2BafgydF4y2Ba | 10243 (28.42)gydF4y2Ba | 1001 (49.07)gydF4y2Ba | 9242 (27.18)gydF4y2Ba | <措施gydF4y2Ba | ||||||
腊八粥gydF4y2BaggydF4y2Ba | 8904 (24.7)gydF4y2Ba | 842 (41.27)gydF4y2Ba | 8062 (23.71)gydF4y2Ba | <措施gydF4y2Ba | ||||||
LABA和LAMA组合gydF4y2Ba | 426 (1.18)gydF4y2Ba | 40 (1.96)gydF4y2Ba | 386 (1.14)gydF4y2Ba | 措施gydF4y2Ba | ||||||
ICS和LABA组合gydF4y2Ba | 8326 (23.1)gydF4y2Ba | 782 (38.33)gydF4y2Ba | 7544 (22.18)gydF4y2Ba | <措施gydF4y2Ba | ||||||
ICS、LABA、LAMA组合gydF4y2Ba | 16 (0.04)gydF4y2Ba | 0 (0)gydF4y2Ba | 16 (0.05)gydF4y2Ba | 点gydF4y2Ba | ||||||
Phosphodiesterase-4抑制剂gydF4y2Ba | 94 (0.26)gydF4y2Ba | 10 (0.49)gydF4y2Ba | 84 (0.25)gydF4y2Ba | 06gydF4y2Ba | ||||||
系统性皮质类固醇gydF4y2Ba | 11293 (31.33)gydF4y2Ba | 1144 (56.08)gydF4y2Ba | 10149 (29.84)gydF4y2Ba | <措施gydF4y2Ba | ||||||
伴随疾病gydF4y2Ba | ||||||||||
过敏性鼻炎gydF4y2Ba | 2445 (6.78)gydF4y2Ba | 174 (8.53)gydF4y2Ba | 2271 (6.68)gydF4y2Ba | 措施gydF4y2Ba | ||||||
焦虑或抑郁gydF4y2Ba | 10786 (29.92)gydF4y2Ba | 725 (35.54)gydF4y2Ba | 10061 (29.59)gydF4y2Ba | <措施gydF4y2Ba | ||||||
哮喘gydF4y2Ba | 4794 (13.3)gydF4y2Ba | 417 (20.44)gydF4y2Ba | 4377 (12.87)gydF4y2Ba | <措施gydF4y2Ba | ||||||
充血性心力衰竭gydF4y2Ba | 6063 (16.82)gydF4y2Ba | 495 (24.26)gydF4y2Ba | 5568 (16.37)gydF4y2Ba | <措施gydF4y2Ba | ||||||
糖尿病gydF4y2Ba | 7623 (21.15)gydF4y2Ba | 446 (21.86)gydF4y2Ba | 7177 (21.1)gydF4y2Ba | 点gydF4y2Ba | ||||||
湿疹gydF4y2Ba | 1558 (4.32)gydF4y2Ba | 98 (4.8)gydF4y2Ba | 1460 (4.29)gydF4y2Ba | .30gydF4y2Ba | ||||||
胃食管反流gydF4y2Ba | 7162 (19.87)gydF4y2Ba | 507 (24.85)gydF4y2Ba | 6655 (19.57)gydF4y2Ba | <措施gydF4y2Ba | ||||||
高血压gydF4y2Ba | 18361 (50.94)gydF4y2Ba | 1150 (56.37)gydF4y2Ba | 17211 (50.61)gydF4y2Ba | <措施gydF4y2Ba | ||||||
缺血性心脏病gydF4y2Ba | 7420 (20.58)gydF4y2Ba | 486 (23.82)gydF4y2Ba | 6934 (20.39)gydF4y2Ba | <措施gydF4y2Ba | ||||||
肺癌gydF4y2Ba | 794 (2.2)gydF4y2Ba | 52 (2.55)gydF4y2Ba | 742 (2.18)gydF4y2Ba | 。31gydF4y2Ba | ||||||
肥胖gydF4y2Ba | 3487 (9.67)gydF4y2Ba | 255 (12.5)gydF4y2Ba | 3232 (9.5)gydF4y2Ba | <措施gydF4y2Ba | ||||||
鼻窦炎gydF4y2Ba | 1382 (3.83)gydF4y2Ba | 83 (4.07)gydF4y2Ba | 1299 (3.82)gydF4y2Ba | 收gydF4y2Ba | ||||||
睡眠呼吸暂停gydF4y2Ba | 3179 (8.82)gydF4y2Ba | 253 (12.4)gydF4y2Ba | 2926 (8.6)gydF4y2Ba | <措施gydF4y2Ba |
一个gydF4y2BaCOPD:慢性阻塞性肺病。gydF4y2Ba
bgydF4y2BaPgydF4y2Ba值<。05为斜体,表示患者特征分布在统计学上有显著差异。gydF4y2Ba
cgydF4y2BaICS:吸入皮质类固醇。gydF4y2Ba
dgydF4y2Ba短效毒蕈碱拮抗剂。gydF4y2Ba
egydF4y2Ba短效β -2激动剂。gydF4y2Ba
fgydF4y2Ba长效毒蕈碱拮抗剂。gydF4y2Ba
ggydF4y2BaLABA:长效β -2激动剂。gydF4y2Ba
病人的特点gydF4y2Ba | 数据实例(N=7529), N (%)gydF4y2Ba | 与严重COPD相关的数据实例gydF4y2Ba一个gydF4y2Ba次年病情加重(N=182), N (%)gydF4y2Ba | 与次年无严重COPD加重相关的数据实例(N=7347), N (%)gydF4y2Ba | PgydF4y2Ba价值gydF4y2Ba | ||
年龄(年)gydF4y2Ba | <措施gydF4y2BabgydF4y2Ba | |||||
40 - 65gydF4y2Ba | 3442 (45.72)gydF4y2Ba | 118 (64.8)gydF4y2Ba | 3324 (45.24)gydF4y2Ba | <措施gydF4y2Ba | ||
> 65gydF4y2Ba | 4087 (54.28)gydF4y2Ba | 64 (35.2)gydF4y2Ba | 4023 (54.76)gydF4y2Ba | <措施gydF4y2Ba | ||
性gydF4y2Ba | <措施gydF4y2Ba | |||||
女gydF4y2Ba | 3289 (43.68)gydF4y2Ba | 47 (25.8)gydF4y2Ba | 3242 (44.13)gydF4y2Ba | <措施gydF4y2Ba | ||
男性gydF4y2Ba | 4240 (56.32)gydF4y2Ba | 135 (74.2)gydF4y2Ba | 4105 (55.87)gydF4y2Ba | <措施gydF4y2Ba | ||
比赛gydF4y2Ba | <措施gydF4y2Ba | |||||
美国印第安人或阿拉斯加原住民gydF4y2Ba | 156 (2.07)gydF4y2Ba | 5 (2.7)gydF4y2Ba | 151 (2.06)gydF4y2Ba | <措施gydF4y2Ba | ||
亚洲gydF4y2Ba | 439 (5.83)gydF4y2Ba | 7 (3.9)gydF4y2Ba | 432 (5.88)gydF4y2Ba | <措施gydF4y2Ba | ||
黑人或非裔美国人gydF4y2Ba | 896 (11.9)gydF4y2Ba | 57 (31.3)gydF4y2Ba | 839 (11.42)gydF4y2Ba | <措施gydF4y2Ba | ||
夏威夷土著或其他太平洋岛民gydF4y2Ba | 53 (0.71)gydF4y2Ba | 2 (1.1)gydF4y2Ba | 51 (0.69)gydF4y2Ba | <措施gydF4y2Ba | ||
白色gydF4y2Ba | 5793 (76.94)gydF4y2Ba | 111 (61)gydF4y2Ba | 5682 (77.34)gydF4y2Ba | <措施gydF4y2Ba | ||
其他的,未知的或未报告的gydF4y2Ba | 192 (2.55)gydF4y2Ba | 0 (0)gydF4y2Ba | 192 (2.61)gydF4y2Ba | <措施gydF4y2Ba | ||
种族gydF4y2Ba | 03gydF4y2Ba | |||||
拉美裔gydF4y2Ba | 188 (2.5)gydF4y2Ba | 3 (1.6)gydF4y2Ba | 185 (2.52)gydF4y2Ba | 03gydF4y2Ba | ||
非西班牙裔gydF4y2Ba | 7088 (94.14)gydF4y2Ba | 179 (98.4)gydF4y2Ba | 6909 (94.04)gydF4y2Ba | 03gydF4y2Ba | ||
未知或未报告gydF4y2Ba | 253 (3.36)gydF4y2Ba | 0 (0)gydF4y2Ba | 253 (3.44)gydF4y2Ba | 03gydF4y2Ba | ||
吸烟情况gydF4y2Ba | 03gydF4y2Ba | |||||
当前吸烟者gydF4y2Ba | 3893 (51.71)gydF4y2Ba | 112 (61.5)gydF4y2Ba | 3781 (51.46)gydF4y2Ba | 03gydF4y2Ba | ||
他以前吸烟gydF4y2Ba | 1267 (16.83)gydF4y2Ba | 25 (13.7)gydF4y2Ba | 1242 (16.91)gydF4y2Ba | 03gydF4y2Ba | ||
从不吸烟或未知gydF4y2Ba | 2369 (31.47)gydF4y2Ba | 45 (24.7)gydF4y2Ba | 2324 (31.63)gydF4y2Ba | 03gydF4y2Ba | ||
保险gydF4y2Ba | ||||||
私人gydF4y2Ba | 4642 (61.65)gydF4y2Ba | 110 (60.4)gydF4y2Ba | 4532 (61.69)gydF4y2Ba | .79gydF4y2Ba | ||
公共gydF4y2Ba | 6901 (91.66)gydF4y2Ba | 179 (98.4)gydF4y2Ba | 6722 (91.49)gydF4y2Ba | .002gydF4y2Ba | ||
自费或慈善gydF4y2Ba | 540 (7.17)gydF4y2Ba | 41 (22.5)gydF4y2Ba | 499 (6.79)gydF4y2Ba | <措施gydF4y2Ba | ||
数据集中与COPD相关的第一次遭遇的年数gydF4y2Ba | <措施gydF4y2Ba | |||||
≤3gydF4y2Ba | 5154 (68.46)gydF4y2Ba | 81 (44.5)gydF4y2Ba | 5073 (69.05)gydF4y2Ba | <措施gydF4y2Ba | ||
> 3gydF4y2Ba | 2375 (31.54)gydF4y2Ba | 101 (55.5)gydF4y2Ba | 2274 (30.95)gydF4y2Ba | <措施gydF4y2Ba | ||
慢性阻塞性肺病gydF4y2Ba药物处方gydF4y2Ba | ||||||
ICSgydF4y2BacgydF4y2Ba | 2635 (35)gydF4y2Ba | 98 (53.8)gydF4y2Ba | 2537 (34.53)gydF4y2Ba | <措施gydF4y2Ba | ||
央行gydF4y2BadgydF4y2Ba | 1202 (15.96)gydF4y2Ba | 68 (37.4)gydF4y2Ba | 1134 (15.43)gydF4y2Ba | <措施gydF4y2Ba | ||
萨巴gydF4y2BaegydF4y2Ba | 4241 (56.33)gydF4y2Ba | 158 (86.8)gydF4y2Ba | 4083 (55.57)gydF4y2Ba | <措施gydF4y2Ba | ||
SABA和SAMA组合gydF4y2Ba | 1809 (24.03)gydF4y2Ba | 115 (63.2)gydF4y2Ba | 1694 (23.06)gydF4y2Ba | <措施gydF4y2Ba | ||
喇嘛gydF4y2BafgydF4y2Ba | 2061 (27.37)gydF4y2Ba | 110 (60.4)gydF4y2Ba | 1951 (26.56)gydF4y2Ba | <措施gydF4y2Ba | ||
腊八粥gydF4y2BaggydF4y2Ba | 1760 (23.38)gydF4y2Ba | 77 (42.3)gydF4y2Ba | 1683 (22.91)gydF4y2Ba | <措施gydF4y2Ba | ||
LABA和LAMA组合gydF4y2Ba | 400 (5.31)gydF4y2Ba | 12 (6.6)gydF4y2Ba | 388 (5.28)gydF4y2Ba | 54gydF4y2Ba | ||
ICS和LABA组合gydF4y2Ba | 1804 (23.96)gydF4y2Ba | 75 (41.2)gydF4y2Ba | 1729 (23.53)gydF4y2Ba | <措施gydF4y2Ba | ||
ICS、LABA、LAMA组合gydF4y2Ba | 69 (0.92)gydF4y2Ba | 1 (0.5)gydF4y2Ba | 68 (0.93)gydF4y2Ba | .90gydF4y2Ba | ||
Phosphodiesterase-4抑制剂gydF4y2Ba | 26日(0.35)gydF4y2Ba | 2 (1.1)gydF4y2Ba | 24 (0.33)gydF4y2Ba | 低位gydF4y2Ba | ||
系统性皮质类固醇gydF4y2Ba | 2385 (31.68)gydF4y2Ba | 103 (56.6)gydF4y2Ba | 2282 (31.06)gydF4y2Ba | <措施gydF4y2Ba | ||
伴随疾病gydF4y2Ba | ||||||
过敏性鼻炎gydF4y2Ba | 410 (5.45)gydF4y2Ba | 14 (7.7)gydF4y2Ba | 396 (5.39)gydF4y2Ba | 。gydF4y2Ba | ||
焦虑或抑郁gydF4y2Ba | 2153 (28.6)gydF4y2Ba | 63 (34.6)gydF4y2Ba | 2090 (28.45)gydF4y2Ba | 。08gydF4y2Ba | ||
哮喘gydF4y2Ba | 1096 (14.56)gydF4y2Ba | 43 (23.6)gydF4y2Ba | 1053 (14.33)gydF4y2Ba | <措施gydF4y2Ba | ||
充血性心力衰竭gydF4y2Ba | 1412 (18.75)gydF4y2Ba | 43 (23.6)gydF4y2Ba | 1369 (18.63)gydF4y2Ba | 厚gydF4y2Ba | ||
糖尿病gydF4y2Ba | 1689 (22.43)gydF4y2Ba | 40 (22)gydF4y2Ba | 1649 (22.44)gydF4y2Ba | .95gydF4y2Ba | ||
湿疹gydF4y2Ba | 258 (3.43)gydF4y2Ba | 11 (6)gydF4y2Ba | 247 (3.36)gydF4y2Ba | 。08gydF4y2Ba | ||
胃食管反流gydF4y2Ba | 1443 (19.17)gydF4y2Ba | 47 (25.8)gydF4y2Ba | 1396 (19)gydF4y2Ba | 03gydF4y2Ba | ||
高血压gydF4y2Ba | 3791 (50.35)gydF4y2Ba | 105 (57.7)gydF4y2Ba | 3686 (50.17)gydF4y2Ba | 0。gydF4y2Ba | ||
缺血性心脏病gydF4y2Ba | 1658 (22.02)gydF4y2Ba | 54 (29.7)gydF4y2Ba | 1604 (21.83)gydF4y2Ba | 02gydF4y2Ba | ||
肺癌gydF4y2Ba | 203 (2.7)gydF4y2Ba | 3 (1.6)gydF4y2Ba | 200 (2.72)gydF4y2Ba | .51gydF4y2Ba | ||
肥胖gydF4y2Ba | 669 (8.89)gydF4y2Ba | 21日(11.5)gydF4y2Ba | 648 (8.82)gydF4y2Ba | 二十五分gydF4y2Ba | ||
鼻窦炎gydF4y2Ba | 279 (3.71)gydF4y2Ba | 7 (3.8)gydF4y2Ba | 272 (3.7)gydF4y2Ba | 获得gydF4y2Ba | ||
睡眠呼吸暂停gydF4y2Ba | 915 (12.15)gydF4y2Ba | 28日(15.4)gydF4y2Ba | 887 (12.07)gydF4y2Ba | 口径。gydF4y2Ba |
一个gydF4y2BaCOPD:慢性阻塞性肺病。gydF4y2Ba
bgydF4y2BaPgydF4y2Ba值<。05为斜体,表示患者特征分布在统计学上有显著差异。gydF4y2Ba
cgydF4y2BaICS:吸入皮质类固醇。gydF4y2Ba
dgydF4y2Ba短效毒蕈碱拮抗剂。gydF4y2Ba
egydF4y2Ba短效β -2激动剂。gydF4y2Ba
fgydF4y2Ba长效毒蕈碱拮抗剂。gydF4y2Ba
ggydF4y2BaLABA:长效β -2激动剂。gydF4y2Ba
最终模型中使用的分类算法和特征gydF4y2Ba
XGBoost算法是由我们的自动机器学习模型选择方法[gydF4y2Ba
].作为一种基于树的算法,XGBoost可以自然地处理特性中缺失的值。如Hastie等人所述[gydF4y2Ba ], XGBoost根据每个特征对模型的贡献比例自动计算每个特征的重要性值。在主要分析中,使用XGBoost创建最终模型,表S2中按重要值降序排列的229个特征gydF4y2Ba .其他特性没有额外的预测能力,被XGBoost自动删除了。gydF4y2Ba主要分析模型性能gydF4y2Ba
在对测试集的主要分析中,最终模型的AUC为0.866 (95% CI 0.838-0.892),由模型的受试者工作特征曲线(gydF4y2Ba
).模型的性能指标随二元分类的截止阈值(gydF4y2Ba ).当使用预测风险最大的前9.99%(752/7529)的患者设置二元分类的截止阈值时,模型的准确率为90.33% (6801/7529;95% CI 89.61% ~ 91.01%),灵敏度56.6% (103/182;95% CI 49.2% ~ 64.2%),特异性91.17% (6698/7347;95% CI 90.51%-91.83%), PPV为13.7% (103/752;95% CI 11.2% ~ 16.2%), NPV为98.83% (6698/6777;95% CI 98.55%-99.08%),由模型对应的混淆矩阵(gydF4y2Ba ).gydF4y2Ba回想一下,27个候选特征是在≥2年的数据上计算出来的。当我们忽略这些特征,只考虑那些用指数年的数据计算出来的特征时,模型的AUC从0.866下降到0.859 (95% CI 0.834-0.884)。的前19个特征如表S2所示gydF4y2Ba
重要性值≥1%。当只使用这些特征时,模型的AUC从0.866下降到0.862 (95% CI 0.837-0.887)。在本例中,当使用预测风险最大的前9.99%(752/7529)的患者设置二元分类的截止阈值时,模型的准确率为90.25% (6795/7529;95% CI 89.56% ~ 90.9%),灵敏度54.9% (100/182;95% CI 47.8% ~ 61.9%),特异性91.13% (6695/7347;95% CI 90.43%-91.78%), PPV为13.3% (100/752;95% CI 10.9%-15.7%), NPV为98.79 (6695/6777;95% ci 98.52%-99.06%)。gydF4y2Ba预测风险最高的患者比例(%)gydF4y2Ba | 准确度(N=7529), N (%)gydF4y2Ba | 灵敏度(N=182), N (%)gydF4y2Ba | 特异性(N=7347), N (%)gydF4y2Ba | 阳性预测值gydF4y2Ba | 负预测值gydF4y2Ba | ||
n (%)gydF4y2Ba | NgydF4y2Ba | n (%)gydF4y2Ba | NgydF4y2Ba | ||||
1gydF4y2Ba | 7336 (97.4)gydF4y2Ba | 32 (17.6)gydF4y2Ba | 7304 (99.4)gydF4y2Ba | 32 (42.7)gydF4y2Ba | 75gydF4y2Ba | 7304 (98)gydF4y2Ba | 7454gydF4y2Ba |
2gydF4y2Ba | 7299 (96.9)gydF4y2Ba | 51 (28)gydF4y2Ba | 7248 (98.7)gydF4y2Ba | 51 (34)gydF4y2Ba | 150gydF4y2Ba | 7248 (98.2)gydF4y2Ba | 7379gydF4y2Ba |
3.gydF4y2Ba | 7236 (96.1)gydF4y2Ba | 57 (31.3)gydF4y2Ba | 7179 (97.7)gydF4y2Ba | 57 (25.3)gydF4y2Ba | 225gydF4y2Ba | 7179 (98.3)gydF4y2Ba | 7304gydF4y2Ba |
4gydF4y2Ba | 7170 (95.2)gydF4y2Ba | 62 (34.1)gydF4y2Ba | 7108 (96.7)gydF4y2Ba | 62 (20.6)gydF4y2Ba | 301gydF4y2Ba | 7108 (98.3)gydF4y2Ba | 7228gydF4y2Ba |
5gydF4y2Ba | 7111 (94.4)gydF4y2Ba | 70 (38.5)gydF4y2Ba | 7041 (95.8)gydF4y2Ba | 70 (18.6)gydF4y2Ba | 376gydF4y2Ba | 7041 (98.4)gydF4y2Ba | 7153gydF4y2Ba |
6gydF4y2Ba | 7062 (93.8)gydF4y2Ba | 83 (45.6)gydF4y2Ba | 6979 (95)gydF4y2Ba | 83 (18.4)gydF4y2Ba | 451gydF4y2Ba | 6979 (98.6)gydF4y2Ba | 7078gydF4y2Ba |
7gydF4y2Ba | 6994 (92.9)gydF4y2Ba | 87 (47.8)gydF4y2Ba | 6907 (94)gydF4y2Ba | 87 (16.5)gydF4y2Ba | 527gydF4y2Ba | 6907 (98.6)gydF4y2Ba | 7002gydF4y2Ba |
8gydF4y2Ba | 6927 (92)gydF4y2Ba | 91 (50)gydF4y2Ba | 6836 (93)gydF4y2Ba | 91 (15.1)gydF4y2Ba | 602gydF4y2Ba | 6836 (98.7)gydF4y2Ba | 6927gydF4y2Ba |
9gydF4y2Ba | 6860 (91.1)gydF4y2Ba | 95 (52.2)gydF4y2Ba | 6765 (92.1)gydF4y2Ba | 95 (14)gydF4y2Ba | 677gydF4y2Ba | 6765 (98.7)gydF4y2Ba | 6852gydF4y2Ba |
10gydF4y2Ba | 6801 (90.3)gydF4y2Ba | 103 (56.6)gydF4y2Ba | 6698 (91.2)gydF4y2Ba | 103 (13.7)gydF4y2Ba | 752gydF4y2Ba | 6698 (98.8)gydF4y2Ba | 6777gydF4y2Ba |
15gydF4y2Ba | 6458 (85.8)gydF4y2Ba | 120 (65.9)gydF4y2Ba | 6338 (86.3)gydF4y2Ba | 120 (10.6)gydF4y2Ba | 1129gydF4y2Ba | 6338 (99)gydF4y2Ba | 6400gydF4y2Ba |
20.gydF4y2Ba | 6118 (81.3)gydF4y2Ba | 138 (75.8)gydF4y2Ba | 5980 (81.4)gydF4y2Ba | 138 (9.2)gydF4y2Ba | 1505gydF4y2Ba | 5980 (99.3)gydF4y2Ba | 6024gydF4y2Ba |
25gydF4y2Ba | 5767 (76.6)gydF4y2Ba | 151 (83)gydF4y2Ba | 5616 (76.4)gydF4y2Ba | 151 (8)gydF4y2Ba | 1882gydF4y2Ba | 5616 (99.5)gydF4y2Ba | 5647gydF4y2Ba |
结果类gydF4y2Ba | 严重的慢性阻塞性肺病gydF4y2Ba一个gydF4y2Ba在接下来的一年里恶化gydF4y2Ba | 次年无严重COPD加重gydF4y2Ba |
预测明年COPD严重恶化gydF4y2Ba | 103gydF4y2Ba | 649gydF4y2Ba |
预测明年无严重COPD加重gydF4y2Ba | 79gydF4y2Ba | 6698gydF4y2Ba |
一个gydF4y2BaCOPD:慢性阻塞性肺病。gydF4y2Ba
性能稳定性分析gydF4y2Ba
主分析中的最终模型与性能稳定性分析中的模型具有相对相似的性能(gydF4y2Ba
).gydF4y2Ba性能测量gydF4y2Ba | 最后对模型进行了主要分析gydF4y2Ba一个gydF4y2Ba | 模型在性能稳定性分析中的应用gydF4y2BabgydF4y2Ba | |||
n (%;95%置信区间)gydF4y2Ba | NgydF4y2Ba | n (%;95%置信区间)gydF4y2Ba | NgydF4y2Ba | ||
精度gydF4y2Ba | 6801 (90.3;89.6 - -91.0)gydF4y2Ba | 7529gydF4y2Ba | 6354 (89.6;88.9 - -90.3)gydF4y2Ba | 7089gydF4y2Ba | |
灵敏度gydF4y2Ba | 103 (56.6;49.2 - -64.2)gydF4y2Ba | 182gydF4y2Ba | 171 (46.3;40.9 - -51.5)gydF4y2Ba | 369gydF4y2Ba | |
特异性gydF4y2Ba | 6698 (91.2;90.5 - -91.8)gydF4y2Ba | 7347gydF4y2Ba | 6183 (92;91.4 - -92.7)gydF4y2Ba | 6720gydF4y2Ba | |
阳性预测值gydF4y2Ba | 103 (13.7;11.2 - -16.2)gydF4y2Ba | 752gydF4y2Ba | 171 (24.2;20.8 - -27.2)gydF4y2Ba | 708gydF4y2Ba | |
负预测值gydF4y2Ba | 6698 (98.8;98.6 - -99.1)gydF4y2Ba | 6777gydF4y2Ba | 6183 (96.9;96.4 - -97.3)gydF4y2Ba | 6381gydF4y2Ba |
一个gydF4y2Ba受试者工作特征曲线下面积0.866 (95% CI 0.838-0.892)。gydF4y2Ba
bgydF4y2Ba受试者工作特征曲线下面积0.847 (95% CI 0.828-0.864)。gydF4y2Ba
讨论gydF4y2Ba
主要研究结果gydF4y2Ba
我们创建了一个机器学习模型来预测COPD患者在未来一年的严重COPD加重。该模型预测下一年严重COPD加重的AUC高于先前发布的每个模型的AUC [gydF4y2Ba
,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba -gydF4y2Ba ,gydF4y2Ba -gydF4y2Ba ,gydF4y2Ba ) (gydF4y2Ba 而且gydF4y2Ba ).在进一步改进我们模型的性能度量(例如,通过添加从临床记录中提取的特征)并使用我们最近发表的自动解释方法[gydF4y2Ba ]来自动解释模型的预测,我们的模型可以用作决策支持工具,建议COPD患者和高危患者使用护理管理来改善结果。gydF4y2Ba的表S2gydF4y2Ba
,前19个特征中的许多与已发表的与COPD加重高度相关的(危险)因素相匹配,如既往COPD加重[gydF4y2Ba ,gydF4y2Ba ],与慢性阻塞性肺病相关的既往医疗经历[gydF4y2Ba ,gydF4y2Ba ],慢性阻塞性肺病药物使用[gydF4y2Ba ], bmi [gydF4y2Ba ],周围毛细血管氧饱和度[gydF4y2Ba ],以及心率[gydF4y2Ba ].gydF4y2Ba我们检查了278个候选特征,其中82.4%(229/278)在最终模型中使用。许多被忽略的特征与结果相关,但除了最终模型中使用的229个特征外,它们对UWM数据集没有提供额外的预测能力。gydF4y2Ba
2019年严重COPD加重患病率突然下降。尽管出现了这种下降,但随着时间的推移,我们的模型仍然表现出相当稳健的性能。这是临床决策支持所需要的。gydF4y2Ba
模型gydF4y2Ba | 数据gydF4y2Ba | 数据实例数gydF4y2Ba | 预测目标(结果)gydF4y2Ba | 用于计算结果的周期长度gydF4y2Ba | 不良预后发生率(%)gydF4y2Ba | 检查的功能数量gydF4y2Ba | 分类算法gydF4y2Ba | 灵敏度(%)gydF4y2Ba | 特异性(%)gydF4y2Ba | PPVgydF4y2Ba一个gydF4y2Ba(%)gydF4y2Ba | 净现值gydF4y2BabgydF4y2Ba(%)gydF4y2Ba | AUCgydF4y2BacgydF4y2Ba |
我们最终的模型gydF4y2Ba | 行政和临床gydF4y2Ba | 43576年gydF4y2Ba | 艾德gydF4y2BadgydF4y2Ba就诊或因慢性阻塞性肺病住院gydF4y2Ba | 1年gydF4y2Ba | 5.1gydF4y2Ba | 278gydF4y2Ba | XGBoostgydF4y2BaegydF4y2Ba | 56.6gydF4y2Ba | 91.17gydF4y2Ba | 13.7gydF4y2Ba | 98.83gydF4y2Ba | 0.866gydF4y2Ba |
安纳瓦拉普等[gydF4y2Ba | ]gydF4y2Ba行政gydF4y2Ba | 45722年gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 1年gydF4y2Ba | 11.63gydF4y2Ba | 103gydF4y2Ba | 逻辑回归gydF4y2Ba | 17.3gydF4y2Ba | 97.5gydF4y2Ba | 48.1gydF4y2Ba | 90gydF4y2Ba | 0.77gydF4y2Ba |
Tavakoli等人[gydF4y2Ba | ]gydF4y2Ba行政gydF4y2Ba | 222219年gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 2个月gydF4y2Ba | 1.02gydF4y2Ba | 83gydF4y2Ba | 梯度增加gydF4y2Ba | 23gydF4y2Ba | 98gydF4y2Ba | - - - - - -gydF4y2BafgydF4y2Ba | - - - - - -gydF4y2Ba | 0.820gydF4y2Ba |
桑普等[gydF4y2Ba | ]gydF4y2Ba行政gydF4y2Ba | 478772年gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 6个月gydF4y2Ba | 2.2gydF4y2Ba | 101gydF4y2Ba | 逻辑回归gydF4y2Ba | 17.6gydF4y2Ba | 96.6gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba |
汤姆逊等[gydF4y2Ba | ]gydF4y2Ba研究gydF4y2Ba | 6574gydF4y2Ba | 2次或2次以上加重(更换药物或因COPD住院)gydF4y2Ba | 1 - 7年gydF4y2Ba | 6.4gydF4y2Ba | 11gydF4y2Ba | 逻辑回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 18gydF4y2Ba | 96gydF4y2Ba | 0.73gydF4y2Ba |
果园等[gydF4y2Ba | ]gydF4y2Ba研究gydF4y2Ba | 57150年gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 1天gydF4y2Ba | 0.1gydF4y2Ba | 153gydF4y2Ba | 神经网络gydF4y2Ba | 80gydF4y2Ba | 60gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.740gydF4y2Ba |
Suetomo等[gydF4y2Ba | ]gydF4y2Ba研究gydF4y2Ba | 123gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 1年gydF4y2Ba | 12.2gydF4y2Ba | 18gydF4y2Ba | 逻辑回归gydF4y2Ba | 53gydF4y2Ba | 49gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.79gydF4y2Ba |
李等[gydF4y2Ba | ]gydF4y2Ba研究与临床gydF4y2Ba | 545gydF4y2Ba | 更换药物、急诊科就诊或COPD住院gydF4y2Ba | 6个月gydF4y2Ba | 46gydF4y2Ba | 10gydF4y2Ba | 逻辑回归gydF4y2Ba | 52gydF4y2Ba | 69gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.63gydF4y2Ba |
Faganello等人[gydF4y2Ba | ]gydF4y2Ba研究gydF4y2Ba | 120gydF4y2Ba | 门诊、住院或急诊科的COPD患者gydF4y2Ba | 1年gydF4y2Ba | 50gydF4y2Ba | 16gydF4y2Ba | 逻辑回归gydF4y2Ba | 58.3gydF4y2Ba | 73.3gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.686gydF4y2Ba |
Alcázar等[gydF4y2Ba | ]gydF4y2Ba研究gydF4y2Ba | 127gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 1年gydF4y2Ba | 39.4gydF4y2Ba | 9gydF4y2Ba | 逻辑回归gydF4y2Ba | 76.2gydF4y2Ba | 77.3gydF4y2Ba | 61.5gydF4y2Ba | 87.2gydF4y2Ba | 0.809gydF4y2Ba |
Bertens等人[gydF4y2Ba | ]gydF4y2Ba研究与临床gydF4y2Ba | 1033gydF4y2Ba | 更换药物或COPD住院治疗gydF4y2Ba | 2年gydF4y2Ba | 28.3gydF4y2Ba | 7gydF4y2Ba | 逻辑回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.66gydF4y2Ba |
Miravitlles等[gydF4y2Ba | ]gydF4y2Ba研究与临床gydF4y2Ba | 713gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 1年gydF4y2Ba | 22.2gydF4y2Ba | 7gydF4y2Ba | 逻辑回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.582gydF4y2Ba |
Make等[gydF4y2Ba | ]gydF4y2Ba研究gydF4y2Ba | 3141gydF4y2Ba | 更换药物、急诊科就诊或COPD住院gydF4y2Ba | 6个月gydF4y2Ba | - - - - - -gydF4y2Ba | 38gydF4y2Ba | 逻辑回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.67gydF4y2Ba |
Montserrat-Capdevila等[gydF4y2Ba | ]gydF4y2Ba行政和临床gydF4y2Ba | 2501gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 3年gydF4y2Ba | 32.5gydF4y2Ba | 17gydF4y2Ba | 逻辑回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.72gydF4y2Ba |
科克霍夫等[gydF4y2Ba | ]gydF4y2Ba研究与临床gydF4y2Ba | 16565年gydF4y2Ba | 两次或两次以上病情加重(更换药物、急诊科就诊或因COPD住院)gydF4y2Ba | 1年gydF4y2Ba | 19.6gydF4y2Ba | 22gydF4y2Ba | 逻辑回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.735gydF4y2Ba |
陈等[gydF4y2Ba | ]gydF4y2Ba研究gydF4y2Ba | 1711gydF4y2Ba | 急诊科就诊或慢性阻塞性肺病住院gydF4y2Ba | 5年gydF4y2Ba | 30.6gydF4y2Ba | 14gydF4y2Ba | 考克斯比例风险回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.74gydF4y2Ba |
Yii等[gydF4y2Ba | ]gydF4y2Ba行政和临床gydF4y2Ba | 237gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 1年gydF4y2Ba | 每位患者每年1.41美元gydF4y2Ba | 31gydF4y2Ba | 负二项回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.789gydF4y2Ba |
一个gydF4y2BaPPV:阳性预测值。gydF4y2Ba
bgydF4y2BaNPV:负预测值。gydF4y2Ba
cgydF4y2BaAUC:接收机工作特性曲线下的面积。gydF4y2Ba
dgydF4y2Ba急诊室。gydF4y2Ba
egydF4y2BaXGBoost:极端梯度增强。gydF4y2Ba
fgydF4y2Ba在描述模型的初始论文中没有报告性能度量。gydF4y2Ba
模型gydF4y2Ba | 数据gydF4y2Ba | 数据实例数gydF4y2Ba | 预测目标(结果)gydF4y2Ba | 用于计算结果的周期长度gydF4y2Ba | 不良预后发生率(%)gydF4y2Ba | 检查的功能数量gydF4y2Ba | 分类算法gydF4y2Ba | 灵敏度(%)gydF4y2Ba | 特异性(%)gydF4y2Ba | PPVgydF4y2Ba一个gydF4y2Ba(%)gydF4y2Ba | 净现值gydF4y2BabgydF4y2Ba(%)gydF4y2Ba | AUCgydF4y2BacgydF4y2Ba |
我们最终的模型gydF4y2Ba | 行政和临床gydF4y2Ba | 43576年gydF4y2Ba | 艾德gydF4y2BadgydF4y2Ba就诊或因慢性阻塞性肺病住院gydF4y2Ba | 1年gydF4y2Ba | 5.1gydF4y2Ba | 278gydF4y2Ba | XGBoostgydF4y2BaegydF4y2Ba | 56.6gydF4y2Ba | 91.17gydF4y2Ba | 13.7gydF4y2Ba | 98.83gydF4y2Ba | 0.866gydF4y2Ba |
阿迪比等[gydF4y2Ba | ]gydF4y2Ba研究gydF4y2Ba | 2380gydF4y2Ba | 急诊科就诊或慢性阻塞性肺病住院gydF4y2Ba | 1年gydF4y2Ba | 每年0.29gydF4y2Ba | 13gydF4y2Ba | 混合效应logisticgydF4y2Ba | - - - - - -gydF4y2BafgydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.77gydF4y2Ba |
斯坦福等人[gydF4y2Ba | ]gydF4y2Ba行政gydF4y2Ba | 258668年gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 1年gydF4y2Ba | 8.5gydF4y2Ba | 30.gydF4y2Ba | 逻辑回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.749gydF4y2Ba |
斯坦福等人[gydF4y2Ba | ]gydF4y2Ba行政gydF4y2Ba | 223824年gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 1年gydF4y2Ba | 6.63gydF4y2Ba | 30.gydF4y2Ba | 逻辑回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.711gydF4y2Ba |
斯坦福等人[gydF4y2Ba | ]gydF4y2Ba行政gydF4y2Ba | 92496年gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 1年gydF4y2Ba | - - - - - -gydF4y2Ba | 30.gydF4y2Ba | 逻辑回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.801gydF4y2Ba |
斯坦福等人[gydF4y2Ba | ]gydF4y2Ba行政gydF4y2Ba | 60776年gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 1年gydF4y2Ba | 19.16gydF4y2Ba | 8gydF4y2Ba | 逻辑回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.742gydF4y2Ba |
琼斯等人[gydF4y2Ba | ]gydF4y2Ba临床gydF4y2Ba | 375gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 1年gydF4y2Ba | - - - - - -gydF4y2Ba | 4gydF4y2Ba | 指数gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.755gydF4y2Ba |
琼斯等人[gydF4y2Ba | ]gydF4y2Ba研究与临床gydF4y2Ba | 7105gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 1年gydF4y2Ba | - - - - - -gydF4y2Ba | 8gydF4y2Ba | 负二项回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.64gydF4y2Ba |
范等[gydF4y2Ba | ]gydF4y2Ba研究gydF4y2Ba | 3282gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 1年gydF4y2Ba | 4.3gydF4y2Ba | 23gydF4y2Ba | 逻辑回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.706gydF4y2Ba |
莫伊等[gydF4y2Ba | ]gydF4y2Ba研究与临床gydF4y2Ba | 167gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 4-21月gydF4y2Ba | 32.9gydF4y2Ba | 6gydF4y2Ba | 负二项回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.69gydF4y2Ba |
布里格斯等人[gydF4y2Ba | ]gydF4y2Ba研究gydF4y2Ba | 8802gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 6个月至3年gydF4y2Ba | 9gydF4y2Ba | 13gydF4y2Ba | 考克斯比例风险回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.71gydF4y2Ba |
兰格等[gydF4y2Ba | ]gydF4y2Ba行政及研究gydF4y2Ba | 6628gydF4y2Ba | 更换药物或COPD住院治疗gydF4y2Ba | 1年gydF4y2Ba | 4.8gydF4y2Ba | 3.gydF4y2Ba | 黄金gydF4y2BaggydF4y2Ba分层gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.7gydF4y2Ba |
Abascal-Bolado等[gydF4y2Ba | ]gydF4y2Ba研究与临床gydF4y2Ba | 493gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 1年gydF4y2Ba | - - - - - -gydF4y2Ba | 8gydF4y2Ba | 分类回归树gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.70gydF4y2Ba |
Blanco-Aparicio等[gydF4y2Ba | ]gydF4y2Ba研究gydF4y2Ba | One hundred.gydF4y2Ba | 慢性阻塞性肺病急诊科gydF4y2Ba | 1年gydF4y2Ba | 21gydF4y2Ba | 12gydF4y2Ba | 逻辑回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.651gydF4y2Ba |
刘等人[gydF4y2Ba | ]gydF4y2Ba研究与临床gydF4y2Ba | 260gydF4y2Ba | 更换药物、急诊科就诊或COPD住院gydF4y2Ba | 1年gydF4y2Ba | 40.8gydF4y2Ba | 17gydF4y2Ba | 逻辑回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.69gydF4y2Ba |
聂维纳等人[gydF4y2Ba | ]gydF4y2Ba研究与临床gydF4y2Ba | 1829gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 6个月gydF4y2Ba | 8.3gydF4y2Ba | 27gydF4y2Ba | 考克斯比例风险回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.73gydF4y2Ba |
奥斯汀等人[gydF4y2Ba | ]gydF4y2Ba行政gydF4y2Ba | 638926年gydF4y2Ba | copd相关住院时间gydF4y2Ba | 1年gydF4y2Ba | - - - - - -gydF4y2Ba | 34gydF4y2Ba | 逻辑回归gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.778gydF4y2Ba |
马林等[gydF4y2Ba | ]gydF4y2Ba研究gydF4y2Ba | 275gydF4y2Ba | 慢性阻塞性肺病住院治疗gydF4y2Ba | 6个月至8年gydF4y2Ba | - - - - - -gydF4y2Ba | 4gydF4y2Ba | 逻辑回归gydF4y2Ba | 86gydF4y2Ba | 73gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.88gydF4y2Ba |
马林等[gydF4y2Ba | ]gydF4y2Ba研究gydF4y2Ba | 275gydF4y2Ba | 慢性阻塞性肺病急诊科gydF4y2Ba | 6个月至8年gydF4y2Ba | - - - - - -gydF4y2Ba | 4gydF4y2Ba | 逻辑回归gydF4y2Ba | 58gydF4y2Ba | 87gydF4y2Ba | - - - - - -gydF4y2Ba | - - - - - -gydF4y2Ba | 0.78gydF4y2Ba |
Ställberg等[gydF4y2Ba | ]gydF4y2Ba行政和临床gydF4y2Ba | 7823gydF4y2Ba | copd相关住院时间gydF4y2Ba | 10天gydF4y2Ba | - - - - - -gydF4y2Ba | > 4000gydF4y2Ba | XGBoostgydF4y2Ba | 16gydF4y2Ba | - - - - - -gydF4y2Ba | 11gydF4y2Ba | - - - - - -gydF4y2Ba | 0.86gydF4y2Ba |
一个gydF4y2BaPPV:阳性预测值。gydF4y2Ba
bgydF4y2BaNPV:负预测值。gydF4y2Ba
cgydF4y2BaAUC:接收机工作特性曲线下的面积。gydF4y2Ba
dgydF4y2Ba急诊室。gydF4y2Ba
egydF4y2BaXGBoost:极端梯度增强。gydF4y2Ba
fgydF4y2Ba在描述模型的初始论文中没有报告性能度量。gydF4y2Ba
ggydF4y2Ba金牌:全球慢性阻塞性肺病倡议。gydF4y2Ba
与之前工作的比较gydF4y2Ba
研究人员以前创建了几个模型来预测COPD患者的严重COPD加重[gydF4y2Ba
-gydF4y2Ba ].gydF4y2Ba 而且gydF4y2Ba 目前我们的最终模型和这些模型之间的比较,其中包括Guerra等人在系统综述中列出的所有相关模型[gydF4y2Ba ]和贝卢等人[gydF4y2Ba ]以及在评审之后发表的几个最新模型。我们最终的模型预测了明年严重的COPD加重。每一个预测未来一年COPD严重加重的先前模型的AUC都≤0.809,也就是说,至少比我们最终模型低0.057。与Ställberg等人开发的模型以外的预测严重COPD加重的先前模型相比[gydF4y2Ba ],我们最终的模型使用了更广泛的具有预测能力的特征,这有助于提高模型的性能。gydF4y2Ba我们最终模型的预测目标包括未来的急诊科就诊和未来的COPD住院患者,我们希望使用护理管理来预防。在所有先前的模型中,只有2 [gydF4y2Ba
,gydF4y2Ba ]的预测目标涵盖了未来的急诊科就诊和未来的COPD住院患者。大多数先前的模型要么只预测未来的急诊科就诊[gydF4y2Ba ,gydF4y2Ba ]或仅在未来住院治疗慢性阻塞性肺病[gydF4y2Ba -gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba -gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba -gydF4y2Ba ].这将不足以预防未来的急诊科就诊和未来的COPD住院患者。其他先前的模型[gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ]的预测目标涵盖了中度和重度COPD加重,中度COPD加重通常指COPD药物的变化,如使用系统性皮质类固醇。这些预测目标对于确定护理管理风险最高的患者来说不够具体,因为护理管理计划只能容纳一小部分患者[gydF4y2Ba ].gydF4y2Ba为了使其适用于日常临床实践,我们最终的模型建立在常规可用的管理和临床数据之上。相比之下,其他几个研究小组开发的模型[gydF4y2Ba
-gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba -gydF4y2Ba ,gydF4y2Ba ]使用了研究数据,其中一些在通常的临床实践中是不可用的。因此,这些模型不适合日常临床使用。gydF4y2Ba我们开发的预测模型是为了指导COPD护理管理的登记决策,并预防严重的COPD恶化。为了给预防干预提供足够的提前时间,并充分利用宝贵的护理管理资源,我们选择了下一年严重COPD加重作为预测目标。相比之下,Orchard等人开发的模型[gydF4y2Ba
预测COPD患者第二天的住院时间。如果患者明天因慢性阻塞性肺病住院,从今天开始干预可能为时已晚,无法避免住院。目前,我们还没有关于任何干预措施需要多长时间才能有效预防严重COPD加重的发表结论。在Longman等人的研究[gydF4y2Ba ]和Johnston等人[gydF4y2Ba ],几名临床医生表示,任何干预措施都可能需要长达3个月的时间才能有效防止患者因慢性门诊护理敏感疾病而住院。我们最终的模型将与短期预测模型有不同的临床用途。预见未来12个月内严重的COPD加重将有助于确定和个性化中期干预和维持疗法,以改变疾病的进程。相比之下,预测未来1天或几天内COPD严重加重,有助于决定急性治疗方法以改善预后,例如先发制人地住院以避免更严重的不良后果,但这对于试图在短时间内改善疾病的病程是不够的。事实上,被证明可以有效减少严重COPD加重的治疗方法通常不适用于急性治疗。gydF4y2Ba马林等[gydF4y2Ba
]建立了一个预测COPD患者未来8年住院时间的模型,AUC为0.88,并建立了一个单独的模型,预测COPD患者未来8年的急诊时间,AUC为0.78。几年后的住院或急诊科就诊太遥远,不值得现在使用宝贵的护理管理资源来预防。gydF4y2Ba对于未来将出现严重COPD加重的COPD患者,敏感性是模型识别的患者比例。敏感性的差异可能会极大地影响医院的使用。我们最终模型的灵敏度高于其他几个研究小组开发的模型所达到的灵敏度[gydF4y2Ba
-gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba ].与我们最终的模型相比,Orchard等人开发的模型[gydF4y2Ba ], Faganello等[gydF4y2Ba ],以及Alcázar等[gydF4y2Ba ]每一种都以低得多的特异性为代价获得了更高的灵敏度。对于这3个模型中的每一个,如果我们调整二元分类的截止阈值,使我们的最终模型具有与该模型相同的特异性,我们的最终模型将获得比该模型更高的灵敏度。更具体地说,在特异性为60.02%(4410/7347)时,我们的最终模型实现了90.1%(164/182)的灵敏度,而Orchard等人开发的模型[gydF4y2Ba ]的灵敏度达到80%。在特异性为73.3%(5385/7347)的情况下,我们最终的模型达到了84.1%(153/182)的灵敏度,而Faganello等人[gydF4y2Ba ]的灵敏度为58.3%。在特异性为77.34%(5682/7347)时,我们的最终模型实现了81.9%(149/182)的灵敏度,而Alcázar等人开发的模型[gydF4y2Ba ]的灵敏度为76.2%。gydF4y2Ba不良结果的患病率对任何模型的PPV都有很大影响[gydF4y2Ba
].在我们的数据集中,这种患病率约为5%,我们的最终模型达到了<14%的PPV。相比之下,在患病率为11.63%的数据集上,Annavarapu等人开发的模型[gydF4y2Ba 的收视率达到48.1%。对于患病率为6.4%的数据集,Thomsen等人开发的模型[gydF4y2Ba 达到18%的PPV。在一个患病率为39.4%的数据集上,Alcázar等人开发的模型[gydF4y2Ba ]的PPV为61.5%。在所有3个病例中,不良预后患病率越高,PPV越大。gydF4y2Ba我们的数据集是不平衡的,只有一小部分患者在明年出现严重的COPD加重。对于不平衡数据集,精度-召回曲线(AUPRC)下的面积比AUC下的面积更能衡量模型的整体性能[gydF4y2Ba
].AUPRC仅报道了Ställberg等人开发的模型[gydF4y2Ba ]在所有先前的模型中。虽然由Ställberg等人开发的模型[gydF4y2Ba ]的AUC为0.86,仅略低于我们最终模型的AUC,我们最终模型的AUPRC为0.24 (95% CI 0.18-0.31),是该模型0.08 AUPRC的3倍。此外,该模型还预测了未来10天内与COPD相关的住院时间,COPD可以是任何一种诊断。如果患者将在未来10天内住院,从今天开始进行干预可能为时已晚,无法避免住院。相比之下,我们最终的模型预测了明年主要诊断为COPD的急诊科就诊或住院次数,从而为有效的预防干预留出了更多的提前时间。gydF4y2Ba未来临床应用的考虑gydF4y2Ba
我们最终的模型达到的AUC大于以前文献中报道的用于预测明年严重COPD加重的AUC。尽管PPV相对较低,我们的最终模型仍然可以受益于医疗保健,原因有三。gydF4y2Ba
首先,UWM和Intermountain Healthcare等医疗保健系统使用专有模型来分配COPD护理管理资源,这些模型与以前发布的模型具有类似的性能。我们最终模型的AUC高于所有以前报道的用于预测明年严重COPD加重的AUC。因此,尽管我们计划在未来研究使用各种技术来进一步提高模型性能,但我们认为已经值得考虑使用我们的最终模型来取代目前在医疗保健系统(如UWM)中用于COPD护理管理的专有模型。gydF4y2Ba
其次,我们将二元分类的截止阈值设置在预测风险最大的前9.99%(752/7529)的患者。在这种情况下,一个完美的模型将达到24.2%的理论最大PPV(182/752)。我们最终模型的PPV是理论最大可能PPV的56.6%(103/182)。换句话说,我们最终的模型捕获了56.6%(103/182)的COPD患者,这些患者将在明年发生严重的COPD加重。如果我们将截止阈值更改为预测风险最大的前25%患者,最终模型将捕获83%(151/182)将在明年发生严重COPD加重的COPD患者。gydF4y2Ba
第三,我们最终模型的PPV水平的PPV适用于识别COPD患者和低成本预防干预的高风险患者,如安排护士通过电话进一步跟踪患者,教患者正确使用COPD吸入器,教患者正确使用峰值流量计在家自我监测症状,并让患者参加家庭肺康复计划[gydF4y2Ba
].gydF4y2Ba我们最终的模型使用了229个特征。例如,为了简化临床部署,我们可以减少重要值≥1%的前19个特征。一个特性的重要性值在不同的医疗保健系统中是不同的。如果条件允许,我们应该使用来自目标医疗保健系统的数据集来计算特征的重要性值,并决定保留哪些特征。gydF4y2Ba
我们最终的模型是基于XGBoost [gydF4y2Ba
],它利用超参数scale_pos_weight来平衡数据集中2个结果类的权重[gydF4y2Ba ].scale_pos_weight超参数是通过我们的自动模型选择方法[gydF4y2Ba ]到一个非默认值,以最大化我们最终模型的AUC [gydF4y2Ba ].这导致了一个副作用,即大大增加了我们的模型预测的未来严重COPD加重的概率,使其值远远大于真实概率[gydF4y2Ba ].然而,这并不影响我们识别预测风险最大的患者预防性干预的能力。如果愿意,我们可以通过保持scale_pos_weight的默认值1来放弃平衡。在这种情况下,我们模型的AUC将下降0.003至0.863 (95% CI 0.835-0.888),这仍然大于以前发表的预测明年严重COPD加重的AUC。gydF4y2Ba限制gydF4y2Ba
这项研究有几个局限性,值得今后继续研究。gydF4y2Ba
首先,本研究仅使用结构化数据。值得考虑使用自然语言处理从非结构化临床记录中提取特征以提高模型性能。采用更高性能的模型可以更好地促进COPD护理管理。gydF4y2Ba
其次,本研究使用年龄、诊断代码、用药数据来识别COPD患者,并使用诊断代码和遭遇信息来确定预测目标。人们可以使用年龄、诊断代码和用药数据来很好地识别COPD患者[gydF4y2Ba
];然而,诊断代码在记录慢性阻塞性肺病住院时间方面的敏感性较低[gydF4y2Ba ].我们的预测模型可能在寻找那些未来只会经历COPD住院治疗的患者方面表现不佳,而这些患者没有被我们当前预测目标的定义所捕获。我们希望这不会极大地影响我们的预测模型在促进COPD护理管理方面的有用性。根据我们目前对预测目标的定义,在我们的数据集中,> %的患者在接下来的一年发生了严重的COPD加重。如果预测模型完全捕捉到这些患者,则这些患者已经超过了典型护理管理计划的服务能力,该计划可以接收≤3%的患者[gydF4y2Ba ].在未来,人们可以考虑通过自然语言处理同时添加药物数据和从临床记录中提取的信息,以更好地捕捉COPD住院患者的住院时间。gydF4y2Ba第三,本研究采用非深度学习分类算法。深度学习提高了许多临床预测建模任务的模型性能[gydF4y2Ba
-gydF4y2Ba ].值得研究的是,使用深度学习是否可以改善预测严重COPD加重的模型性能。gydF4y2Ba第四,本研究使用了来自单一医疗保健系统的数据:UWM。值得评估我们的模型对其他医疗保健系统的通用性。为此,我们正在努力从Intermountain Healthcare获取COPD患者的数据集[gydF4y2Ba
].gydF4y2Ba第五,我们的数据集没有包含UWM患者在其他医疗保健系统的医疗保健使用信息。如果UWM患者在其他医疗保健系统的医疗保健使用数据可用,评估我们的模型的性能将如何变化是值得的。gydF4y2Ba
结论gydF4y2Ba
这项工作提高了预测COPD患者严重COPD加重的技术水平。特别是,我们最终的模型在预测下一年严重COPD加重方面的AUC高于以前发表的所有模型。在进一步改进我们的模型性能度量并使用我们最近发布的自动解释方法后[gydF4y2Ba
]来自动解释模型的预测,我们的模型可以用于决策支持工具,指导COPD患者和高危患者使用护理管理,以改善结果。gydF4y2Ba致谢gydF4y2Ba
GL和SZ得到了美国国立卫生研究院国家心肺和血液研究所的部分支持,资助号为R01HL142503。SZ还获得了国家医学图书馆培训基金的部分资助,资助号为T15LM007442。MA的部分资助来自空乘医学研究所(CIA190001)和加州烟草相关疾病研究项目(T29IR0715)。资助者在研究设计、数据收集和分析、发表决定或手稿准备中没有任何作用。YT在华盛顿大学(University of Washington)做访问博士生时进行了这项研究。gydF4y2Ba
作者的贡献gydF4y2Ba
论文主要由GL和SZ负责。SZ进行了文献综述,提取和分析数据,构建模型,并撰写了论文的初稿。GL对研究进行了概念化和设计,并参与了数据分析,并重写了整篇论文。MA和ZCL提供了临床专业知识,有助于概念化介绍,并修改了论文。YT参与了提取数据和确定生物学上不可信的值。gydF4y2Ba
利益冲突gydF4y2Ba
没有宣布。gydF4y2Ba
gydF4y2Ba候选特征和最终模型中使用的特征在主要分析中及其重要值。gydF4y2Ba
PDF档案(adobepdf档案),190 KBgydF4y2Ba参考文献gydF4y2Ba
- Ford ES, Murphy LB, Khavjou O, Giles WH, Holt JB, Croft JB。2010年美国18岁以上成年人COPD的总医疗和缺勤费用以及到2020年的预测。胸部2015年1月;147(1):31-45。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 本周的疾病或状况-慢性阻塞性肺病。美国疾病控制与预防中心,2019。URL:gydF4y2Bahttps://www.cdc.gov/dotw/copd/index.htmlgydF4y2Ba[2021-12-20]访问gydF4y2Ba
- 2020年黄金报告。慢性阻塞性肺病全球倡议。2020.URL:gydF4y2Bahttps://goldcopd.org/gold-reportsgydF4y2Ba[2021-12-20]访问gydF4y2Ba
- Blanchette CM, Dalal AA, Mapel D. COPD人口统计学的变化和20多年的费用。中华医学经济杂志2012;15(6):1176-1182。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 杨晓明,李志强,李志强,等。慢性阻塞性肺病加重频率对肺功能、健康状况和临床结局的影响。国际医学杂志(英文版);2009;4:45 - 51 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Connors Jr AF, Dawson NV, Thomas C, Harrell Jr FE, Desbiens N, Fulkerson WJ,等。严重慢性阻塞性肺病急性加重后的预后。SUPPORT研究人员(了解预后、结果偏好和治疗风险的研究)。美国呼吸急救医学1996年10月;154(4 Pt 1):959-967。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Viglio S, Iadarola P, Lupi A, Trisolini R, Tinelli C, Balbi B,等。慢性破坏性肺病患者尿中氨脂氨酸和异氨脂氨酸的MEKC。欧洲呼吸科学杂志2000;15(6):1039-1045 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Kanner RE, Anthonisen NR, Connett JE,肺健康研究研究组。下呼吸道疾病促进当前吸烟者的FEV(1)下降,但不会促进患有轻度慢性阻塞性肺疾病的前吸烟者:肺部健康研究的结果。美国呼吸急救医学2001年8月1日;164(3):358-364。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Spencer S, Jones PW, GLOBE研究小组。慢性支气管炎感染加重后健康状况恢复的时间进程。Thorax 2003七月;58(7):589-593 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Spencer S, Calverley PM, Burge PS, Jones PW, ISOLDE研究小组。吸入类固醇在阻塞性肺病中的应用。慢性阻塞性肺疾病患者健康状况恶化美国呼吸危重症护理杂志2001年1月;163(1):122-128。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Johnston J, Longman J, Ewald D, King J, Das S, Passey M.慢性疾病潜在可预防住院(PPH)的研究:可预防的比例是多少?哪些因素与可预防的PPH相关?BMJ公开赛2020年11月09日;10(11):e038415 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 比林斯J, Zeitel L, Lukomnik J, Carey TS, Blank AE, Newman L.纽约市社会经济地位对医院使用的影响。卫生Aff (Millwood) 1993;12(1):162-173。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Mays GP, Claxton G, White j,管理医疗的反弹?健康计划成本控制战略的最近变化。健康Aff (Millwood) 2004;补充网页独家:427-436 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 李志强,李志强,李志强,等。慢性阻塞性肺疾病的疾病管理方案:一项随机对照试验美国呼吸急救杂志2010年10月1日;182(7):890-896。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Bandurska E, damps - konstazynska I, Popowski P, jluddrzejczyk T, Janowiak P, Świętnicka K,等。综合护理模式(ICM)对晚期慢性阻塞性肺疾病(COPD)管理中直接医疗费用的影响医学科学监测2017年6月12日;23:2850-2862 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Curry N, Billings J, Darin B, Dixon J, Williams M, Wennberg D.预测风险项目文献综述。国王基金,伦敦,2005年。URL:gydF4y2Bahttp://www.kingsfund.org.uk/sites/files/kf/field/field_document/predictive-risk-literature-review-june2005.pdf,gydF4y2Ba[2021-12-20]访问gydF4y2Ba
- Axelrod RC, Vogel D.健康计划中的预测模型。《健康结果管理》2003;11(12):779-787。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- Hurst JR, Vestbo J, Anzueto A, Locantore N, Müllerova H, Tal-Singer R, COPD纵向评估以确定预测替代终点(ECLIPSE)研究者。慢性阻塞性肺疾病易加重。中华实用医学杂志2010年9月16日;39(12):1128-1138。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Blagev DP, Collingridge DS, Rea S, Press VG, Churpek MM, Carey K,等。临床人群严重慢性阻塞性肺疾病加重频率和医疗保健利用的稳定性慢性阻塞性肺病杂志2018年6月20日;5(3):208-220 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Annavarapu S, Goldfarb S, Gelb M, Moretz C, Renda A, Kaila S.使用行政索赔数据识别严重COPD加重风险患者的预测模型的开发和验证。Int J chronon阻挠Pulmon Dis 2018;13:21 -2130 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 陈伟,陈伟军,陈伟军,陈伟军。慢性阻塞性肺疾病急性加重的预测。利用行政数据开发人口监测方法。安Am Thorac Soc 2020年9月17日(9):1069-1076。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Samp JC, Joo MJ, Schumock GT, Calip GS, Pickard AS, Lee TA。预测慢性阻塞性肺疾病的急性加重。J Manag Care Spec Pharm 2018年3月24日(3):265-279。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Thomsen M, Ingebrigtsen TS, Marott JL, Dahl M, Lange P, Vestbo J,等。慢性阻塞性肺疾病的炎症生物标志物和加重美国医学杂志2013年6月12日;309(22):2353-2361。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Orchard P, Agakova A, Pinnock H, Burton CD, Sarran C, Agakov F,等。改进慢性阻塞性肺疾病住院风险预测:机器学习在远程监测数据中的应用J medical Internet Res 2018年9月21日;20(9):e263 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Suetomo M, Kawayama T,木下T,竹中S,松冈M,松永K,等。COPD评估测试得分与日本患者慢性阻塞性肺疾病加重相关。呼吸病学杂志2014年9月27日(5):529 - 529。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 李世德,黄淑娟,康杰,林超,Park MJ, Oh YM, CAT对COPD急性加重期(PACE)预测能力的研究。COPD评估测试(CAT)有助于预测高危患者的COPD加重。呼吸医学2014 Apr;108(4):600-608 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Faganello MM, Tanni SE, Sanchez FF, Pelegrino NR, Lucheta PA, Godoy I. BODE指数和GOLD分期作为慢性阻塞性肺疾病1年恶化风险的预测因子中华医学杂志2010 1月31日(1):10-14。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Alcázar B, García-Polo C, Herrejón A, Ruiz LA, de Miguel J, Ros JA,等。慢性阻塞性肺疾病加重住院的相关因素Arch Bronconeumol 2012 march;48(3):70-76。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Bertens LC, Reitsma JB, Moons KG, van Mourik Y, Lammers JW, Broekhuizen BD,等。慢性阻塞性肺疾病恶化风险预测模型的开发和验证国际医学杂志,2013;8:493-499 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Miravitlles M, Guerrero T, Mayordomo C, Sánchez-Agudo L, Nicolau F, Segú JL。在一个流动COPD患者队列中,与加重和住院风险增加相关的因素:多元logistic回归分析EOLO研究小组。呼吸2000;67(5):495 - 501。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Make BJ, Eriksson G, Calverley PM, Jenkins CR, Postma DS, Peterson S,等。预测COPD加重短期风险的评分(SCOPEX)。慢性阻塞性肺脏疾病杂志2015;10:01 -209 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 王晓明,王晓明,王晓明,等,Barbé F. COPD急性加重的入院预测模型。呼吸护理2015九月;60(9):1288-1294 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Kerkhof M, Freeman D, Jones R, Chisholm A, Price DB,呼吸效果组。利用初级保健数据预测慢性阻塞性肺病的频繁恶化。国际医学杂志(英文版);2015;10:2439-2450 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 陈晓,王强,胡勇,张磊,熊伟,徐勇,等。预测稳定期COPD患者严重加重的nomogram。Int J chron阻拦Pulmon Dis 2020;15:379-388 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 刘志强,刘志强,刘志强,等。基于“可治疗特征”的住院COPD加重的临床预测模型中华肺心病杂志2019;14:19 -728 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- adbi A, Sin DD, Safari A, Johnson KM, Aaron SD, FitzGerald JM,等。急性COPD加重预测工具(ACCEPT):一项建模研究。《柳叶刀》呼吸医学2020年10月;8(10):1013-1021。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 斯坦福RH, Nag A,马佩尔DW,李TA, Rosiello R, Vekeman F,等。使用健康保险索赔数据验证慢性阻塞性肺疾病加重的一种新的风险措施。Ann Am Thorac Soc 2016 july;13(7):1067-1075。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 斯坦福RH, Nag A,马佩尔DW,李TA, Rosiello R, Schatz M,等。首次严重COPD加重的索赔风险模型。Am J Manag Care 2018年2月1日;24(2):45-53 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Stanford RH, Lau MS, Li Y, Stemkowski S.在商业和医疗保险人群中COPD风险测量的外部验证:COPD治疗比例J Manag Care Spec Pharm 2019年1月25日(1):58-69。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 斯坦福RH, Korrer S, Brekke L, Reinsch T, Bengtson LG。COPD治疗比例作为严重加重预测因子的验证和评估。慢性血脂障碍杂志2020年1月;7(1):38-48 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Jones RC, Donaldson GC, Chavannes NH, Kida K, Dickson-Spillmann M, Harding S,等。慢性阻塞性肺疾病严重程度综合指数的推导和验证:剂量指数。美国呼吸急救医学杂志2009年12月15日;180(12):1189-1195。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Jones RC, Price D, Chavannes NH, Lee AJ, Hyland ME, Ställberg B, IPCRG UNLOCK组。慢性阻塞性肺疾病的多成分评估:国际初级保健数据集中ADO和DOSE指数及全球阻塞性肺疾病类别的评估NPJ Prim护理呼吸医学2016年4月07;26:16010 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Fan VS, Curtis JR, Tu SP, McDonell MB, Fihn SD,门诊护理质量改善项目调查员。用生活质量预测阻塞性肺病患者的住院和死亡率胸部2002年8月;122(2):429-436。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Moy ML, Teylan M, Danilack VA, Gagnon DR, Garshick E.每日步数和全身炎症指数预测慢性阻塞性肺疾病的临床结局。安胸外科杂志2014年2月;11(2):149-157。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 王海平,王海平,王海平。慢性阻塞性肺疾病预后指标的建立和验证。Arch Intern Med 2008年1月14日;(1):71-79。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Lange P, Marott JL, Vestbo J, Olsen KR, Ingebrigtsen TS, Dahl M,等。慢性阻塞性肺疾病临床病程的预测,使用新的GOLD分类:一项针对普通人群的研究美国呼吸急救杂志2012年11月15日;186(10):975-981。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Abascal-Bolado B, Novotny PJ, Sloan JA, Karpman C, Dulohery MM, Benzo RP。慢性阻塞性肺病临床住院预测:优化慢性呼吸问卷。中华肺脏疾病杂志2015;10:366 - 366 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Blanco-Aparicio M, Vázquez I, Pita-Fernández S, Pértega-Diaz S, Verea-Hernando H.健康相关生活质量简短问卷(气道问卷20和临床COPD问卷)预测哮喘和COPD患者病情加重的效用健康质量生命结果2013年5月27日;11:85 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 刘继伟,洪勇,徐杰比,蔡艳杰,罗文雄,李俊华,等。COPD加重的临床生理和CT影像危险因素的比较。中国医学杂志2011年12月;26(12):1606-1612 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Niewoehner DE Lokhnygina Y, Rice K, Kuschner WG, Sharafkhaneh A, Sarosi GA,等。COPD加重和住院的风险指数。胸部2007年1月;131(1):20-28。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 奥斯汀PC,斯坦利布鲁克MB,安德森总经理,纽曼A,格尔森AS。行政数据共病分类方法预测慢性阻塞性肺疾病患者预后的比较能力Ann epidemiology 2012 Dec;22(12):881-887 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Marin JM, Carrizo SJ, Casanova C, Martinez-Camblor P, Soriano JB, Agusti AG,等。用BODE指数预测COPD加重的风险。呼吸医学2009 Mar;103(3):373-378 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Ställberg B, Lisspers K, Larsson K, Janson C, Müller M, Łuczko M,等。基于ARCTIC研究,使用机器学习预测瑞典初级保健患者因COPD加重而住院。Int J时间阻塞Pulmon Dis 2021;16:677-688 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 佟燕,廖志才,Tarczy-Hornoch P,罗刚。基于约束的方法识别在特定医疗保健系统中最倾向于获得护理的慢性病患者:回顾性队列研究。JMIR Form Res 2021年10月07日;5(10):e26314 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 慢性阻塞性肺疾病(COPD)住院后30天,全因,风险标准化再入院率(RSRR)。全国质量论坛,2012。URL:gydF4y2Bahttp://www.qualityforum.org/Projects/n-r/Pulmonary_Endorsement_Maintenance/1891_30_Day_RSRR_COPD.aspxgydF4y2Ba[2021-12-19]访问gydF4y2Ba
- Cooke CR, Joo MJ, Anderson SM, Lee TA, Udris EM, Johnson E,等。使用ICD-9代码和药房记录识别慢性阻塞性肺疾病患者的有效性。BMC Health Serv Res 2011 Feb 16;11:37 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 阮海峰,朱璐,刘日,李宗杰,徐丹,Korotzer B,等。运动与慢性阻塞性肺疾病患者30天再入院风险的相关性中华外科杂志2014年6月11日(5):695-705。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Lindenauer PK, Grosso LM, Wang C, Wang Y, Krishnan JA, Lee TA,等。慢性阻塞性肺疾病加重患者住院30天死亡率风险标准化测量方法的开发、验证和结果2013年8月;8(8):428-435。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 库雷希H, Sharafkhaneh A, Hanania NA。慢性阻塞性肺疾病加重:最新证据和临床意义。Ther Adv Chronic Dis 2014 9月;5(5):212-227 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Müllerova H, Maselli DJ, Locantore N, Vestbo J, Hurst JR, Wedzicha JA,等。COPD住院急性加重:ECLIPSE队列中的危险因素和结果中华医学杂志2015年4月27日,第3期。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Donaldson GC, Seemungal TA, Bhowmik A, Wedzicha JA。慢性阻塞性肺疾病加重频率与肺功能下降的关系胸腔2002 10月;57(10):847-852 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Hurst JR, Donaldson GC, Quint JK, Goldring JJ, Baghai-Ravary R, Wedzicha JA。慢性阻塞性肺疾病急性加重的时间聚类。美国呼吸急救杂志2009年3月1日;179(5):369-374。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Similowski T, Agustí A, MacNee W, Schönhofer B.慢性疾病贫血对COPD的潜在影响。欧洲呼吸杂志2006 Feb;27(2):390-396 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Dahl M, Vestbo J, Lange P, Bojesen SE, tybjergg - hansen A, Nordestgaard BG。c反应蛋白作为慢性阻塞性肺疾病预后的预测因子。美国呼吸危重症护理杂志2007年2月1日;175(3):250-255。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 王晓明,王晓明,王晓明,等。慢性阻塞性肺疾病中中性粒细胞的研究进展。中华呼吸科学杂志,2013,30(5):531-539。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Lonergan M, Dicker AJ, Crichton ML, Keir HR, Van Dyke MK, Mullerova H,等。血液中性粒细胞计数与COPD加重频率和死亡率相关。Respir Res 2020 july 01;21(1):166 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Chambellan A, Chailleux E, Similowski T, ANTADIR天文台组。慢性阻塞性肺病患者长期氧疗红细胞压积的预后价值。胸部2005年9月;128(3):1201-1208。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- toft - peterson AP, Torp-Pedersen C, Weinreich UM, Rasmussen BS。慢性阻塞性肺病住院患者血红蛋白与预后的关系Int J chronalblocking Pulmon Dis 2016;11:2813-2820 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- van Dijk EJ, Vermeer SE, de Groot JC, van de Minkelis J, Prins ND, Oudkerk M,等。动脉氧饱和度、慢性阻塞性肺病和脑小血管疾病。中华神经外科杂志2004年5月;75(5):733-736 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Kessler R, Faller M, Fourgaut G, Mennecier B, Weitzenblum E. 64例慢性阻塞性肺疾病急性加重期住院的预测因素中华呼吸危重症杂志1999年1月;59(1):158-164。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Fermont JM, Masconi KL, Jensen MT, Ferrari R, Di Lorenzo VA, Marott JM,等。COPD的生物标志物和临床结果:系统回顾和荟萃分析。胸2019 5月;74(5):439-446 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Halpin DM, Miravitlles M, Metzdorf N, Celli B. COPD严重加重的影响和预防:证据回顾Int J chronalblocking Pulmon Dis 2017;12:28 -2908 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 世界上最长寿的人以及他们的长寿秘诀。吉尼斯世界纪录,2020年。URL:gydF4y2Bahttps://www.guinnessworldrecords.com/news/2020/10/the-worlds-oldest-people-and-their-secrets-to-a-long-life-632895gydF4y2Ba[2021-12-20]访问gydF4y2Ba
- 轻的诞生。吉尼斯世界纪录,2020年。URL:gydF4y2Bahttps://www.guinnessworldrecords.com/world-records/lightest-birthgydF4y2Ba[2021-12-20]访问gydF4y2Ba
- 史上最重的人。吉尼斯世界纪录,2020年。URL:gydF4y2Bahttps://www.guinnessworldrecords.com/world-records/heaviest-mangydF4y2Ba[2021-12-20]访问gydF4y2Ba
- 最短的婴儿。吉尼斯世界纪录,2020年。URL:gydF4y2Bahttps://www.guinnessworldrecords.com/world-records/shortest-babygydF4y2Ba[2021-12-20]访问gydF4y2Ba
- 有史以来最高的人。吉尼斯世界纪录,2020年。URL:gydF4y2Bahttps://www.guinnessworldrecords.com/world-records/tallest-man-evergydF4y2Ba[2021-12-20]访问gydF4y2Ba
- 格温妮丝。第五部分肥胖:不再恐惧,不再鄙视。饮食失调研究所,2011。URL:gydF4y2Bahttps://edinstitute.org/blog/2011/12/8/part-v-fat-no-more-fear-no-more-contemptgydF4y2Ba[2021-12-20]访问gydF4y2Ba
- 最胖的人名单。维基百科》2021。URL:gydF4y2Bahttps://en.wikipedia.org/w/index.php?title=List_of_heaviest_people&oldid=1000662342gydF4y2Ba[2021-12-20]访问gydF4y2Ba
- Hankinson JL, Odencrantz JR, Fedan KB。一般美国人口样本的肺容积参考值。中国呼吸危重症杂志1999年1月;59(1):179-187。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Pellegrino R, Viegi G, Brusasco V, Crapo RO, Burgos F, Casaburi R,等。肺功能测试的解释策略。Eur Respir J 2005 11月;26(5):948-968 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Marion MS, Leonardson GR, Rhoades ER, Welty TK, Enright PL.美国印第安成年人的肺活量参考值:来自强心脏研究的结果。胸部2001年8月;120(2):489-495。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 支气管扩张剂。全国犹太人健康,2018年。URL:gydF4y2Bahttps://nationaljewish.org/conditions/medications/copd/bronchodilatorsgydF4y2Ba[2021-12-19]访问gydF4y2Ba
- 罗刚,何s, Stone BL, Nkoy FL, Johnson MD.建立哮喘患者哮喘医院就诊预测模型:二次分析。JMIR Med Inform 2020年1月21日;8(1):e16080 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 唐勇,李志强,李志强,等。在学术卫生保健系统中预测哮喘患者在哮喘医院的未来遭遇:预测模型开发和二次分析研究。J medical Internet Res 2021 april 16;23(4):e22796 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Witten IH, Frank E, Hall MA, Pal CJ。数据挖掘:实用机器学习工具和技术,第4版,伯灵顿,马萨诸塞州:Morgan Kaufmann;2016.gydF4y2Ba
- Chen T, Guestrin C. XGBoost:一个可扩展的树增强系统。在:ACM SIGKDD知识发现和数据挖掘国际会议论文集。2016年发表于:KDD'16;2016年8月13-17日;旧金山,加州785-794页。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- XGBoost JVM包。2021.URL:gydF4y2Bahttps://xgboost.readthedocs.io/en/latest/jvm/index.htmlgydF4y2Ba[2021-12-20]访问gydF4y2Ba
- 曾霞,罗刚。基于渐进抽样的贝叶斯优化算法在机器学习模型选择中的应用。Health Inf Sci Syst 2017 12月;5(1):2 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 桑顿·C, Hutter F, Hoos HH, Leyton-Brown K. Auto-WEKA:分类算法的组合选择和超参数优化。在:ACM SIGKDD知识发现和数据挖掘国际会议论文集。2013年发表于:KDD'13;2013年8月11-14日;芝加哥,伊利诺伊州,847-855页。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- Steyerberg电子战。临床预测模型:开发、验证和更新的实用方法,第二版,纽约:施普林格;2019.gydF4y2Ba
- Sykes DL, Faruqi S, Holdsworth L, Crooks MG。COVID-19对COPD和哮喘入院的影响,以及从患者角度看大流行。ERJ Open Res 2021年2月8日;7(1)[gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 格列斯蒂A.分类数据分析,第三版。霍博肯,新泽西州:威利;2012.gydF4y2Ba
- hatie T, Tibshirani R, Friedman J.统计学习的要素:数据挖掘,推断和预测,第二版,纽约,纽约:施普林格;2016.gydF4y2Ba
- Luo G, Johnson MD, Nkoy FL, He S, Stone BL.自动解释哮喘患者哮喘医院就诊的机器学习预测结果:二次分析。JMIR Med Inform 2020年12月31日;8(12):e21965 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 盖拉B, Gaveikaite V, Bianchi C, Puhan MA。COPD患者病情加重的预测模型。Eur Respir Rev 2017 1月17日;26(143):160061 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Bellou V, Belbasis L, Konstantinidis AK, Tzoulaki I, Evangelou E.慢性阻塞性肺疾病患者预后预测模型:系统综述和关键评价。Br Med J 2019 10月4日;367:l5358 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Longman JM, Passey ME, Ewald DP, Rix E, Morgan GG.慢性门诊敏感疾病入院——潜在可预防入院的有效措施?BMC Health Serv Res 2015 10月16日;15:472 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Johnston JJ, Longman JM, Ewald DP, Rolfe MI, Alvarez SD, Gilliland AH,等。旨在评估潜在可预防的慢性疾病住院治疗的可预防性的工具的有效性。2020年7月23日;37(3):390-394 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Ranganathan P, Aggarwal R.统计分析中的常见陷阱:了解诊断检验的特性-第1部分。透视临床研究2018;9(1):40-43 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 李志强,李志强,李志强,等。精度-召回率与ROC曲线的关系。见:第23届机器学习国际会议论文集。2006年发表于:ICML'06;2006年6月25日至29日;匹兹堡,宾夕法尼亚州233-240页。[gydF4y2BaCrossRefgydF4y2Ba]gydF4y2Ba
- Burge AT, Holland AE, McDonald CF, Abramson MJ, Hill CJ, Lee AL,等。利用最少资源进行COPD家庭肺康复:一项经济分析。呼吸科学2020年2月;25(2):183-190。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- XGBoost参数。2021。URL:gydF4y2Bahttps://xgboost.readthedocs.io/en/latest/parameter.htmlgydF4y2Ba[2021-12-20]访问gydF4y2Ba
- 参数调优说明。2021。URL:gydF4y2Bahttps://xgboost.readthedocs.io/en/latest/tutorials/param_tuning.htmlgydF4y2Ba[2021-12-20]访问gydF4y2Ba
- Stein BD, Bautista A, Schumock GT, Lee TA, Charbeneau JT, Lauderdale DS,等。国际疾病分类,第九修订版,临床修改诊断代码的有效性,以确定住院患者慢性阻塞性肺病加重。Chest 2012 Jan;141(1):87-93 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 陈凯,陈国强,李志强,等。可扩展和精确的深度学习与电子健康记录。NPJ数字医学2018年5月8日;1:18 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Lipton ZC, Kale DC, Elkan C, Wetzel RC。学习使用LSTM循环神经网络进行诊断。2016年国际学习表征大会论文集,发表于:国际学习表征大会;2016年5月2-4日;圣胡安,波多黎各p. 1-18 URL:gydF4y2Bahttps://arxiv.org/abs/1511.03677gydF4y2Ba
- 金洪杰,金海燕。基于深度神经网络的脓毒症早期检测。compput生物医学2017年12月1日;89:248-255。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 李志强,李志强,李志强,等。基于纵向实验室检测的疾病发作多任务预测。在:机器学习在医疗保健会议,2016年发表于:机器学习在医疗保健会议;2016年8月19-20日;洛杉矶,加州p. 73-100网址:gydF4y2Bahttp://proceedings.mlr.press/v56/Razavian16.htmlgydF4y2Ba
- Ching T, Himmelstein DS, beaulieue - jones BK, Kalinin AA, Do BT, Way GP,等。深度学习在生物学和医学领域的机遇和障碍。J R Soc Interface 2018 Apr;15(41):20170387 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- Shickel B, Tighe PJ, Bihorac A, Rashidi P. Deep EHR:用于电子健康记录(EHR)分析的深度学习技术的最新进展。IEEE生物医学健康信息2018年12月;22(5):1589-1604。[gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
- 罗g, Stone BL, Koebnick C,何s,欧德华,盛X,等。利用时间特征为慢性阻塞性肺疾病和哮喘护理管理提供数据驱动的临床早期预警:二次分析方案JMIR Res Protoc 2019 Jun 06;8(6):e13783 [gydF4y2Ba免费全文gydF4y2Ba] [gydF4y2BaCrossRefgydF4y2Ba] [gydF4y2BaMedlinegydF4y2Ba]gydF4y2Ba
gydF4y2Ba
缩写gydF4y2Ba
AUC:gydF4y2Ba接收机工作特性曲线下面积gydF4y2Ba |
AUPRC:gydF4y2Ba精度-召回曲线下的面积gydF4y2Ba |
慢性阻塞性肺病:gydF4y2Ba慢性阻塞性肺疾病gydF4y2Ba |
艾德:gydF4y2Ba急诊科gydF4y2Ba |
腊八:gydF4y2Ba长效β -2激动剂gydF4y2Ba |
喇嘛:gydF4y2Ba长效毒蕈碱拮抗剂gydF4y2Ba |
净现值:gydF4y2Ba负预测值gydF4y2Ba |
卡式肺囊虫肺炎:gydF4y2Ba初级保健提供者gydF4y2Ba |
PPV:gydF4y2Ba阳性预测值gydF4y2Ba |
UWM:gydF4y2Ba华盛顿大学医学院gydF4y2Ba |
WEKA:gydF4y2Ba知识分析的Waikato环境gydF4y2Ba |
XGBoost:gydF4y2Ba极端梯度增强gydF4y2Ba |
G·艾森巴赫(G Eysenbach)编辑;提交03.04.21;V出版社,P Orchard的同行评审;对作者28.06.21的评论;修订本收到日期:03.07.21;接受19.11.21;发表06.01.22gydF4y2Ba
版权gydF4y2Ba©Siyang Zeng, Mehrdad Arjomandi, Yao Tong, Zachary C Liao, Gang Luo。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com), 2022年01月06日。gydF4y2Ba
这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。gydF4y2Ba