[0]期刊文章%@ 2368-7959 %I JMIR出版公司%V 3卡塔尔世界杯8强波胆分析 %N 3 %P 19 %T利用电子医疗记录预测身体疾病史的自杀企图风险%A Karmakar,Chandan %A Luo,Wei %A Tran,Truyen %A Berk,Michael %A Venkatesh,Svetha %+模式识别与数据分析中心，迪肯大学，Waurn Ponds, Geelong, 61 352273079。karmakar@deakin.edu.au %K自杀风险%K电子病历%K身体疾病史%K ICD-10代码%K自杀风险预测模型%D 2016 %7 2016年7月11日背景:虽然电子病历(EMR)中常规记录的身体疾病已被发现是自杀的一个促成因素，但没有自动化系统使用这些信息来预测自杀风险。目的:本研究的目的是量化身体疾病对自杀风险的影响，并开发一个预测模型，利用电子病历数据捕捉这种关系。方法:我们使用不同时期EMR数据中的身体疾病史(第五章:精神和行为障碍除外)建立一个查找表，其中包含《国际疾病和相关健康问题统计分类第十版》(ICD-10)代码中每个章节的自杀风险概率。然后使用查找表来预测任何新评估的自杀风险概率。基于身体疾病历史的不同长度，我们开发了六种不同的模型来预测自杀风险。我们测试了开发模型的性能，使用3至48个月不同时间段的历史数据来预测90天风险。来自7399名心理健康患者的至少一项风险评估共16,858项评估被用于验证所开发的模型。使用接收机工作特性曲线下面积(AUC)来测量性能。结果:使用所有时间段的综合数据得出的最佳预测结果(AUC=0.71)，显著优于常规风险评估得出的临床基线(AUC=0.56)。 The proposed approach thus shows potential to be incorporated in the broader risk assessment processes used by clinicians. Conclusions: This study provides a novel approach to exploit the history of physical illnesses extracted from EMR (ICD-10 codes without chapter V-mental and behavioral disorders) to predict suicide risk, and this model outperforms existing clinical assessments of suicide risk. %M 27400764 %R 10.2196/mental.5475 %U http://mental.www.mybigtv.com/2016/3/e19/ %U https://doi.org/10.2196/mental.5475 %U http://www.ncbi.nlm.nih.gov/pubmed/27400764

map