数据挖掘与电子健康档案：在实践中选择最佳临床治疗方案
数据库
2011-12-08 v1
摘要
电子健康档案（EHR）仅仅是捕获和利用健康相关数据的第一步——问题在于如何将这些数据转化为有用的信息。通过数据挖掘和预测分析生成的模型对与患者疾病相关的遗传风险和环境/行为因素进行画像，这可用于生成关于治疗结果的预测。这可以构成由基于实际人群的实时数据驱动的临床决策支持系统的骨干。这种基于实际人群的方法的优势在于它是“自适应的”。在此，我们评估了一家大型精神医疗保健提供商（每年约 75,000 名不同客户）的临床 EHR 的预测能力，以在真实世界的临床环境中提供决策支持信息。初步研究在使用这些方法预测治疗结果方面已达到 70% 的成功率。
引用
@article{arxiv.1112.1668,
title = {Data Mining and Electronic Health Records: Selecting Optimal Clinical Treatments in Practice},
author = {Casey Bennett and Thomas Doub},
journal= {arXiv preprint arXiv:1112.1668},
year = {2011}
}
备注
Keywords: Data Mining; Decision Support Systems, Clinical; Electronic Health Records; Evidence-Based Medicine; Data Warehouse