临床判断与 MySurgeryRisk 算法在术前风险评估中的比较：一项试点研究
人机交互
2020-07-28 v1
摘要
背景：重大术后并发症与短期及长期死亡率升高、医疗成本增加以及不良长期后果相关。电子健康记录（EHR）中包含的大量数据给医生识别最高风险患者造成了障碍。我们假设，若以最优形式呈现，来自数据驱动的术后并发症预测风险算法的信息可改善医生的风险评估。方法：在一家季度学术医疗中心对二十名围手术期医生开展前瞻性、非随机、干预性试点研究。使用 150 例临床病例，我们比较了医生在与 MySurgeryRisk 交互前后的风险评估；MySurgeryRisk 是一个经验证的机器学习算法，利用 EHR 数据预测六种主要术后并发症的术前风险。结果：MySurgeryRisk 算法的曲线下面积（AUC）介于 0.73 与 0.85 之间，除心血管并发症外，对所有术后并发症均显著高于医生的风险评估（AUC 介于 0.47 与 0.69）。除三十天死亡率外，医生重复风险评估的 AUC 对所有并发症均提升 2% 至 5%。医生对急性肾损伤及重症监护病房入住超过 48 小时的风险评估在知识交互后显著改善，净重新分类改善分别为 12.4% 与 16%。结论：经验证的 MySurgeryRisk 算法在使用可用临床术前数据时，预测术后并发症的准确度等于或高于试点医生群体。与算法的交互显著改善了医生的风险评估。
引用
@article{arxiv.1804.03258,
title = {Comparing Clinical Judgment with MySurgeryRisk Algorithm for Preoperative Risk Assessment: A Pilot Study},
author = {Meghan Brennan and Sahil Puri and Tezcan Ozrazgat-Baslanti and Rajendra Bhat and Zheng Feng and Petar Momcilovic and Xiaolin Li and Daisy Zhe Wang and Azra Bihorac},
journal= {arXiv preprint arXiv:1804.03258},
year = {2020}
}
备注
21 pages, 4 tables