我们进行了一项回顾性队列研究。2010年7月至2017年3月的数据来自DPC数据库。将数据库中的所有患者纳入，以最大限度地提高结果的泛化性。在研究期间，1569家医院为数据库提供了数据。数据库中的患者约占日本所有急症住院患者的50% [ 14］．

DPC数据库包括以下数据:每个患者的年龄、性别、入院日期、出院日期、诊断和程序(药物、检查、手术和非手术治疗)。在DPC数据库中，入院时存在的合并症与入院后出现的并发症明显区别。所有诊断均使用国际疾病和相关健康问题统计分类第十版(ICD-10)代码进行记录。程序记录用日本常规代码编码。

DPC数据库还包括若干严重程度指数，即AMI的Killip分类[ 15， 16]，纽约心脏协会心衰分级[ 17]，入院时日常生活活动Barthel指数评分[ 18入院时意识水平量表[ 19];年龄、脱水、呼吸、定向、血压(A-DROP)、日本呼吸学会社区获得性肺炎严重程度指数[ 20.， 21］．日本昏迷量表(Japan Coma Scale)在日本被广泛用于衡量意识受损:0分表示意识警觉;个位数得分(1,2,3)表示在没有刺激的情况下保持清醒;两位数的分数(10,20,30)表明患者可以被某些刺激唤醒;三位数的分数(100,200,300)表示昏迷。a - drop是一种评分肺炎严重程度的系统，包括年龄(男性≥70岁，女性≥75岁)、脱水(血清尿素氮≥21 mg/dL)、呼吸衰竭(脉搏血氧饱和度≤90%或PaO)₂≤60mmhg)、定向障碍(思维混乱)、低血压(收缩压≤90mmhg)。

我们的研究得到了东京大学医学院伦理委员会的批准(批准号:3501-(4))。

我们提取了2010年7月1日至2017年3月31日期间出院的住院患者的数据。研究人群随机分为衍生队列(95%)和验证队列(5%)。对于住院1天的病例，我们收集预测信息的时间与结果发生的时间可以同时进行。由于这可能导致对预测模型准确性的高估，我们从验证队列中排除了出院或住院当天死亡的患者。

结局变量为住院死亡。对于预测变量，我们使用了患者的人口统计信息(年龄、性别、入院前180天内的住院史)、入院时所有基于icd -10的诊断以及入院当天执行的所有程序。年龄被视为一个连续变量;其他变量作为二分类变量(0或1)处理。我们还提取了Killip分类[ 15， 16]、纽约心脏协会分类[ 17]， Barthel指数得分[ 18]、日本昏迷量表[ 19]， A-DROP分数[ 20.， 21]作为特定疾病的常见严重程度指数。

我们开发了一个深度神经网络模型，作为预测所有患者住院死亡的主要模型，使用9层4隐密层[ 22， 23］．为此，我们使用了患者的人口统计信息，入院时所有基于icd -10的诊断，以及入院当天执行的所有程序。所有层都有1000个节点，并与相邻层完全连接。我们使用一个带有2个节点的softmax层作为输出层[ 24］．由于死亡患者和活着患者的数量差异很大，我们用死亡病例比例的倒数(即1/0.045=22.3)对死亡病例进行加权[ 23］．我们使用随机梯度下降迭代获取神经网络权重[ 25］．为了避免过拟合，在每个密集层中夹入20%的退出层，并采用早期停止程序，包括使用推导队列中3%的数据进行学习步骤[ 26］．权重优化过程的细节描述在 多媒体附件1．

我们构建了疾病特异性模型，用于预测AMI、HF、stoke或肺炎亚组的住院死亡率。4个模型包括患者背景(年龄、性别、入院前180天的住院史)和诊断，没有一个模型包括手术。对于AMI特异性模型，我们选择了AMI患者，并纳入了Killip分类[ 15， 16］．对于HF特异性模型，我们选择了HF患者，并纳入了纽约心脏协会的分类[ 17］．对于卒中特异性模型，我们选择卒中患者，并在入院时纳入Barthel指数和日本昏迷量表[ 18， 19］．对于肺炎特异性模型，我们选择了肺炎患者，并纳入了A-DROP评分[ 20.， 21］．

我们将主模型应用于AMI、HF、stoke和肺炎患者亚组，并将其预测性能与疾病特异性模型对AMI、HF、stoke和肺炎的预测性能进行比较。我们通过计算验证队列中的性能度量来评估每个模型的性能。性能指标包括接受者工作特征曲线(AUC)下的面积，用于确定模型的鉴别能力。我们使用DeLong方法计算AUC的95% CI [ 27]并绘制校准曲线以确定拟合优度。我们还计算了尤登指数法确定的阈值的敏感性、特异性以及阳性和阴性预测值[ 28］．我们获得了所有2000个自举指数的ci。

我们还研究了由疾病特异性模型计算的风险评分是否提高了由主模型计算的风险评分的辨别能力。我们将主要模型和疾病特异性模型计算的风险评分纳入logistic回归模型的预测变量，并计算预测每种疾病人群住院死亡率的联合风险评分。通过综合风险评分的AUC评价其判别能力，并与主模型的AUC进行比较。使用DeLong方法计算AUC的ci和主模型风险评分与综合风险评分之间差异的假设检验。

我们利用大型日本住院患者数据库构建了基于深度倾斜的住院死亡率预测模型。患者背景、诊断和入院第一天的治疗被输入模型。在AMI、HF、中风和肺炎患者亚组中，模型的整体辨别能力较高。主模型比使用常见严重程度指数的疾病特异性模型具有更好的鉴别能力。我们整合了主要模型和特定疾病模型的风险评分，并计算了综合风险评分。然而，与主要模型风险评分相比，联合风险评分在预测性能方面的改进只是轻微的。

以前已经从行政索赔数据库中开发了风险评分。例如，Charlson和Elixhauser模型利用共病信息预测长期生存，已被用于临床和流行病学研究中的风险调整[ 30.， 31］．在本研究中，利用行政索赔数据建立的新的住院死亡率预测模型具有较高的歧视力(AUC=0.945)。我们相信，我们的模型也可以用于临床和流行病学研究中的风险调整，使用包括诊断和程序在内的行政索赔数据。

在之前的一项研究中，我们构建了住院死亡率的预测模型，其中包括入院当天的合并症和几个选定的程序(血液检查、x线摄影、超声心动图)[ 7］．然而，该模型缺乏普遍性;例如，它不适用于危重病人。该模型可用于多种疾病严重程度患者的风险预测和调整。

在之前的一项研究中，将单独使用行政索赔数据的模型的预测能力与使用电子病历结合行政索赔数据的模型的预测能力进行了比较[ 32］．具有电子病历的模型的预测能力更高，因为电子病历包含了与每个患者相关的详细信息，如血液检查结果、生命体征和指数入院前2天收集的入院数据。

在这项研究中，只使用大量管理数据的深度学习模型比使用特定疾病严重程度信息的模型具有更高的预测能力。基于我们的结果，我们认为大规模的行政数据可以用来预测住院死亡率比一般使用的严重程度指数更准确。Kharrazi等[ 33]报告说，与单独使用每个数据源相比，从行政数据和电子健康记录中获取信息提高了其模型的预测准确性。泽尔策等[ 32]发现，将住院期间收集的电子健康记录信息，以及行政数据和住院前的电子健康记录信息输入他们的模型，可以更准确地评估死亡风险。Rajkomar等[ 9]通过使用结构化电子健康记录中的信息，以与我们在本研究中获得的相同水平的准确性预测住院死亡率。我们还发现，通过将主要模型与特定疾病模型集成而获得的综合风险评分，比从主要模型获得的风险评分显示出更高的预测精度。但在本研究中，主模型与合并风险评分差异较小，两种AMI风险评分之间无显著差异。这表明，即使没有特定疾病的严重程度信息，主模型也能够构建与综合风险评分相当的风险评分。因此，我们建议患者结局研究可以仅使用行政数据进行，如初始住院过程和诊断，而不需要疾病严重程度的数据。

以标准化的方式收集电子健康档案信息并用于研究并不容易。我们相信，这项研究的结果可以用于不可能获得详细临床信息的情况，如疾病严重程度和生命体征，这些信息将包含在电子健康记录中。

这项研究有几个局限性。首先，我们没有进行外部验证。其次，我们没有使用各种机器学习方法(如随机森林、套索回归、XGBoost及其集合)，因此我们无法比较其他机器学习方法的预测性能。第三，由于本研究使用的数据库是急性住院，我们无法获得长期结果的数据。第四，并非所有疾病都能保证模型的准确性，因此需要考虑模型对其他人群的适用性。

总之，我们构建了一个深度神经网络模型，使用日本行政索赔数据库中入院当天进行的所有诊断和程序数据来预测住院死亡率。我们只使用行政索赔数据的模型比使用更普遍使用的严重程度指数的模型显示出更高的预测能力。我们建议使用仅从行政索赔数据库获得的诊断和程序数据的预后模型可以预测住院死亡率，并可用于临床和流行病学研究中的风险调整。