利用真实世界医疗数据构建超大规模重性精神疾病风险筛查工具
人工智能
2023-01-13 v2 定量方法
摘要
重要性：美国重性精神疾病 (SMIs) 的患病率约占总人口的 3%。在大规模下进行 SMIs 风险筛查的能力有助于早期预防和治疗。目标：开发了一种基于机器学习的可扩展工具，利用 1) 医疗保险理赔数据和 2) 电子健康记录 (EHRs) 对 SMIs（包括精神分裂症、分裂情感性障碍、精神病和双相情感障碍）进行人群层面的风险筛查。设计、设置和参与者：使用了来自拥有 7740 万成员的全国性商业医疗保险提供商的受益人数据，以及来自美国八家学术医院 EHRs 的患者数据。首先，使用来自保险理赔或 EHR 数据的病例对照队列数据构建并测试了预测模型。其次，分析了预测模型在不同数据源间的表现。第三，作为说明性应用，进一步训练模型以预测 18 岁年轻成年人和患有物质相关疾病人群的 SMIs 风险。主要结局和测量指标：基于保险理赔和 EHR，构建了针对普通人群 SMIs 的基于机器学习的预测模型。
引用
@article{arxiv.2212.10320,
title = {Construction of extra-large scale screening tools for risks of severe mental illnesses using real world healthcare data},
author = {Dianbo Liu and Karmel W. Choi and Paulo Lizano and William Yuan and Kun-Hsing Yu and Jordan W. Smoller and Isaac Kohane},
journal= {arXiv preprint arXiv:2212.10320},
year = {2023}
}