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
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
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
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
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
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
rr2 - 10.2196/13783gydF4y2Ba
在美国,慢性阻塞性肺病(COPD)影响6.5%的成年人[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
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
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
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
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
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
用于划分训练集和测试集的周期,以及用于计算患者和指数年对的预测目标和特征的周期。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
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
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
使用我们论文中使用的数据准备方法[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
我们使用怀卡托知识分析环境(WEKA;3.9版)[gydF4y2Ba
如公式所示,模型的性能根据以下指标进行评估:精度(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
混淆矩阵。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
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
随着时间的推移,数据实例的分布和坏结果。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
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,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(gydF4y2Ba
对训练集中的数据实例的患者特征进行了主要分析。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 |
|
||||||
|
|
|||||||||
|
40 - 65gydF4y2Ba | 18793 (52.13)gydF4y2Ba | 1219 (59.75)gydF4y2Ba | 17574 (51.68)gydF4y2Ba |
|
|||||
|
> 65gydF4y2Ba | 17254 (47.87)gydF4y2Ba | 821 (40.25)gydF4y2Ba | 16433 (48.32)gydF4y2Ba |
|
|||||
|
|
|||||||||
|
女gydF4y2Ba | 15414 (42.76)gydF4y2Ba | 749 (36.72)gydF4y2Ba | 14665 (43.12)gydF4y2Ba |
|
|||||
|
男性gydF4y2Ba | 20633 (57.24)gydF4y2Ba | 1291 (63.28)gydF4y2Ba | 19342 (56.88)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 |
|
|||||
|
亚洲gydF4y2Ba | 2092 (5.8)gydF4y2Ba | 144 (7.06)gydF4y2Ba | 1948 (5.73)gydF4y2Ba |
|
|||||
|
黑人或非裔美国人gydF4y2Ba | 4795 (13.3)gydF4y2Ba | 524 (25.69)gydF4y2Ba | 4271 (12.56)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 |
|
|||||
|
白色gydF4y2Ba | 27447 (76.14)gydF4y2Ba | 1330 (65.2)gydF4y2Ba | 26117 (76.8)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 |
|
|||||
|
|
|||||||||
|
拉美裔gydF4y2Ba | 857 (2.38)gydF4y2Ba | 53 (2.6)gydF4y2Ba | 804 (2.36)gydF4y2Ba |
|
|||||
|
非西班牙裔gydF4y2Ba | 32585 (90.39)gydF4y2Ba | 1941 (95.15)gydF4y2Ba | 30644 (90.11)gydF4y2Ba |
|
|||||
|
未知或未报告gydF4y2Ba | 2605 (7.23)gydF4y2Ba | 46 (2.25)gydF4y2Ba | 2559 (7.53)gydF4y2Ba |
|
|||||
|
|
|||||||||
|
当前吸烟者gydF4y2Ba | 16952 (47.03)gydF4y2Ba | 1089 (53.38)gydF4y2Ba | 15863 (46.65)gydF4y2Ba |
|
|||||
|
他以前吸烟gydF4y2Ba | 7367 (20.44)gydF4y2Ba | 345 (16.91)gydF4y2Ba | 7022 (20.65)gydF4y2Ba |
|
|||||
|
从不吸烟或未知gydF4y2Ba | 11728 (32.53)gydF4y2Ba | 606 (29.71)gydF4y2Ba | 11122 (32.7)gydF4y2Ba |
|
|||||
|
||||||||||
|
私人gydF4y2Ba | 17513 (48.58)gydF4y2Ba | 834 (40.88)gydF4y2Ba | 16679 (49.05)gydF4y2Ba |
|
|||||
|
公共gydF4y2Ba | 29598 (82.11)gydF4y2Ba | 1767 (86.62)gydF4y2Ba | 27831 (81.84)gydF4y2Ba |
|
|||||
|
自费或慈善gydF4y2Ba | 1994 (5.53)gydF4y2Ba | 229 (11.23)gydF4y2Ba | 1765 (5.19)gydF4y2Ba |
|
|||||
|
|
|||||||||
|
≤3gydF4y2Ba | 30315 (84.1)gydF4y2Ba | 1566 (76.76)gydF4y2Ba | 28749 (84.54)gydF4y2Ba |
|
|||||
|
> 3gydF4y2Ba | 5732 (15.9)gydF4y2Ba | 474 (23.24)gydF4y2Ba | 5258 (15.46)gydF4y2Ba |
|
|||||
|
||||||||||
|
ICSgydF4y2BacgydF4y2Ba | 13327 (36.97)gydF4y2Ba | 1119 (54.85)gydF4y2Ba | 12208 (35.9)gydF4y2Ba |
|
|||||
|
央行gydF4y2BadgydF4y2Ba | 9608 (26.65)gydF4y2Ba | 1042 (51.08)gydF4y2Ba | 8566 (25.19)gydF4y2Ba |
|
|||||
|
萨巴gydF4y2BaegydF4y2Ba | 22549 (62.55)gydF4y2Ba | 1684 (82.55)gydF4y2Ba | 20865 (61.36)gydF4y2Ba |
|
|||||
|
SABA和SAMA组合gydF4y2Ba | 7174 (19.9)gydF4y2Ba | 810 (39.71)gydF4y2Ba | 6364 (18.71)gydF4y2Ba |
|
|||||
|
喇嘛gydF4y2BafgydF4y2Ba | 10243 (28.42)gydF4y2Ba | 1001 (49.07)gydF4y2Ba | 9242 (27.18)gydF4y2Ba |
|
|||||
|
腊八粥gydF4y2BaggydF4y2Ba | 8904 (24.7)gydF4y2Ba | 842 (41.27)gydF4y2Ba | 8062 (23.71)gydF4y2Ba |
|
|||||
|
LABA和LAMA组合gydF4y2Ba | 426 (1.18)gydF4y2Ba | 40 (1.96)gydF4y2Ba | 386 (1.14)gydF4y2Ba |
|
|||||
|
ICS和LABA组合gydF4y2Ba | 8326 (23.1)gydF4y2Ba | 782 (38.33)gydF4y2Ba | 7544 (22.18)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 |
|
|||||
|
||||||||||
|
过敏性鼻炎gydF4y2Ba | 2445 (6.78)gydF4y2Ba | 174 (8.53)gydF4y2Ba | 2271 (6.68)gydF4y2Ba |
|
|||||
|
焦虑或抑郁gydF4y2Ba | 10786 (29.92)gydF4y2Ba | 725 (35.54)gydF4y2Ba | 10061 (29.59)gydF4y2Ba |
|
|||||
|
哮喘gydF4y2Ba | 4794 (13.3)gydF4y2Ba | 417 (20.44)gydF4y2Ba | 4377 (12.87)gydF4y2Ba |
|
|||||
|
充血性心力衰竭gydF4y2Ba | 6063 (16.82)gydF4y2Ba | 495 (24.26)gydF4y2Ba | 5568 (16.37)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 |
|
|||||
|
高血压gydF4y2Ba | 18361 (50.94)gydF4y2Ba | 1150 (56.37)gydF4y2Ba | 17211 (50.61)gydF4y2Ba |
|
|||||
|
缺血性心脏病gydF4y2Ba | 7420 (20.58)gydF4y2Ba | 486 (23.82)gydF4y2Ba | 6934 (20.39)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 |
|
|||||
|
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 |
|
一个gydF4y2BaCOPD:慢性阻塞性肺病。gydF4y2Ba
bgydF4y2Ba
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
患者特征的数据实例在测试集的主要分析。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 |
|
||
|
|
|||||
|
40 - 65gydF4y2Ba | 3442 (45.72)gydF4y2Ba | 118 (64.8)gydF4y2Ba | 3324 (45.24)gydF4y2Ba |
|
|
|
> 65gydF4y2Ba | 4087 (54.28)gydF4y2Ba | 64 (35.2)gydF4y2Ba | 4023 (54.76)gydF4y2Ba |
|
|
|
|
|||||
|
女gydF4y2Ba | 3289 (43.68)gydF4y2Ba | 47 (25.8)gydF4y2Ba | 3242 (44.13)gydF4y2Ba |
|
|
|
男性gydF4y2Ba | 4240 (56.32)gydF4y2Ba | 135 (74.2)gydF4y2Ba | 4105 (55.87)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 |
|
|
|
亚洲gydF4y2Ba | 439 (5.83)gydF4y2Ba | 7 (3.9)gydF4y2Ba | 432 (5.88)gydF4y2Ba |
|
|
|
黑人或非裔美国人gydF4y2Ba | 896 (11.9)gydF4y2Ba | 57 (31.3)gydF4y2Ba | 839 (11.42)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 |
|
|
|
白色gydF4y2Ba | 5793 (76.94)gydF4y2Ba | 111 (61)gydF4y2Ba | 5682 (77.34)gydF4y2Ba |
|
|
|
其他的,未知的或未报告的gydF4y2Ba | 192 (2.55)gydF4y2Ba | 0 (0)gydF4y2Ba | 192 (2.61)gydF4y2Ba |
|
|
|
|
|||||
|
拉美裔gydF4y2Ba | 188 (2.5)gydF4y2Ba | 3 (1.6)gydF4y2Ba | 185 (2.52)gydF4y2Ba |
|
|
|
非西班牙裔gydF4y2Ba | 7088 (94.14)gydF4y2Ba | 179 (98.4)gydF4y2Ba | 6909 (94.04)gydF4y2Ba |
|
|
|
未知或未报告gydF4y2Ba | 253 (3.36)gydF4y2Ba | 0 (0)gydF4y2Ba | 253 (3.44)gydF4y2Ba |
|
|
|
|
|||||
|
当前吸烟者gydF4y2Ba | 3893 (51.71)gydF4y2Ba | 112 (61.5)gydF4y2Ba | 3781 (51.46)gydF4y2Ba |
|
|
|
他以前吸烟gydF4y2Ba | 1267 (16.83)gydF4y2Ba | 25 (13.7)gydF4y2Ba | 1242 (16.91)gydF4y2Ba |
|
|
|
从不吸烟或未知gydF4y2Ba | 2369 (31.47)gydF4y2Ba | 45 (24.7)gydF4y2Ba | 2324 (31.63)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 |
|
|
|
自费或慈善gydF4y2Ba | 540 (7.17)gydF4y2Ba | 41 (22.5)gydF4y2Ba | 499 (6.79)gydF4y2Ba |
|
|
|
|
|||||
|
≤3gydF4y2Ba | 5154 (68.46)gydF4y2Ba | 81 (44.5)gydF4y2Ba | 5073 (69.05)gydF4y2Ba |
|
|
|
> 3gydF4y2Ba | 2375 (31.54)gydF4y2Ba | 101 (55.5)gydF4y2Ba | 2274 (30.95)gydF4y2Ba |
|
|
|
||||||
|
ICSgydF4y2BacgydF4y2Ba | 2635 (35)gydF4y2Ba | 98 (53.8)gydF4y2Ba | 2537 (34.53)gydF4y2Ba |
|
|
|
央行gydF4y2BadgydF4y2Ba | 1202 (15.96)gydF4y2Ba | 68 (37.4)gydF4y2Ba | 1134 (15.43)gydF4y2Ba |
|
|
|
萨巴gydF4y2BaegydF4y2Ba | 4241 (56.33)gydF4y2Ba | 158 (86.8)gydF4y2Ba | 4083 (55.57)gydF4y2Ba |
|
|
|
SABA和SAMA组合gydF4y2Ba | 1809 (24.03)gydF4y2Ba | 115 (63.2)gydF4y2Ba | 1694 (23.06)gydF4y2Ba |
|
|
|
喇嘛gydF4y2BafgydF4y2Ba | 2061 (27.37)gydF4y2Ba | 110 (60.4)gydF4y2Ba | 1951 (26.56)gydF4y2Ba |
|
|
|
腊八粥gydF4y2BaggydF4y2Ba | 1760 (23.38)gydF4y2Ba | 77 (42.3)gydF4y2Ba | 1683 (22.91)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 |
|
|
|
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 |
|
|
|
||||||
|
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 |
|
|
|
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 |
|
|
|
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 |
|
|
|
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
bgydF4y2Ba
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
XGBoost算法是由我们的自动机器学习模型选择方法[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
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
最后对接收机的工作特性曲线模型进行了主要分析。gydF4y2Ba
在主要分析中,最终模型的性能指标与使用不同的截止阈值进行二进制分类有关。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 |
主要分析最终模型的混淆矩阵时,使用预测风险最大的前9.99%(794/7944)的患者来设置二元分类的截止阈值。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 | 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
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
最后对模型的性能进行了主要分析,并对模型的性能稳定性进行了分析。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
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
的表S2gydF4y2Ba
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
我们的最终模型和先前预测COPD患者严重慢性阻塞性肺疾病(COPD)加重的几个模型的比较(第一部分)。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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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
我们的最终模型和先前预测COPD患者严重慢性阻塞性肺疾病(COPD)加重的几个模型的比较(第2部分)。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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
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
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
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
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
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
马林等[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
不良结果的患病率对任何模型的PPV都有很大影响[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
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
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
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
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
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
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
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
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
接收机工作特性曲线下面积gydF4y2Ba
精度-召回曲线下的面积gydF4y2Ba
慢性阻塞性肺疾病gydF4y2Ba
急诊科gydF4y2Ba
长效β -2激动剂gydF4y2Ba
长效毒蕈碱拮抗剂gydF4y2Ba
负预测值gydF4y2Ba
初级保健提供者gydF4y2Ba
阳性预测值gydF4y2Ba
华盛顿大学医学院gydF4y2Ba
知识分析的Waikato环境gydF4y2Ba
极端梯度增强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
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
没有宣布。gydF4y2Ba