基于纵向电子健康记录的透析风险预测与肾损伤患者治疗效应估计
机器学习
2026-04-28 v1
摘要
肾衰竹或终末期肾病（ESRD）的进展虽为罕见但临床重要。临床医生需要了解药物暴露如何影响下游风险。我们构建了固定窗口EHR队列（90天观察，730天预测；N=81401；透析/ESRD患病率：1.1%），并以诊断、程序、药物序列及肾实验室趋势（肌酐、BUN、eGFR）为特征建模。训练基于Transformer的因果多头模型，用于估计药物及其成分水平的平均处理效应（ATE），通过 counterfactual 方式的暴露移除与插入实现。测试集上，预测性能达AUC 0.694，PR-AUC 0.094。在所选决策阈值（0.883）下，模型F1得分0.201，Brier得分0.018。针对实验室变化（eGFR、肌酐、BUN）的事后因果分析采用IPTW、AIPW、naive及协变量调整的OLS方法评估临床方向性。结果显示，ACE/ARB暴露部分呈保护性方向支持，而利尿剂呈恶化方向信号。
引用
@article{arxiv.2604.24547,
title = {Dialysis Risk Prediction and Treatment Effect Estimation for AKI patients using Longitudinal Electronic Health Records},
author = {Kalyani P. Pande and Evan Yang and Bryan Zhu and Sandeep K. Mallipattu and Alisa Yurovsky and Tengfei Ma},
journal= {arXiv preprint arXiv:2604.24547},
year = {2026}
}