TY -非盟的曾庆红,泗阳盟——Arjomandi人士盟通,姚明盟——廖,扎卡里·C罗盟——帮派PY - 2022 DA - 2022/1/6 TI -开发一个机器学习模型预测严重的慢性阻塞性肺疾病急性加重:回顾性队列研究乔- J地中海互联网Res SP - e28953六世- 24 - 1 KW -慢性阻塞性肺病KW -机器学习千瓦预测KW -症状恶化KW -病人护理管理AB -背景: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。目的:本研究的目的是建立一个更准确的模型来预测严重COPD加重。方法: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，并确定了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。结果: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)。 Conclusions: Our model provided a more accurate prediction of severe COPD exacerbations in the next year compared with prior published models. After further improvement of its performance measures (eg, by adding features extracted from clinical notes), our model could be used in a decision support tool to guide the identification of patients with COPD and at high risk for care management to improve outcomes. International Registered Report Identifier (IRRID): RR2-10.2196/13783 SN - 1438-8871 UR - //www.mybigtv.com/2022/1/e28953 UR - https://doi.org/10.2196/28953 UR - http://www.ncbi.nlm.nih.gov/pubmed/34989686 DO - 10.2196/28953 ID - info:doi/10.2196/28953 ER -