FRAMR-EMR：基于电子病历数据开发预后预测模型的框架及骨关节炎风险案例研究
应用统计
2017-09-07 v2
摘要
背景-预后预测模型在初级保健服务中用于估计患者未来疾病发展的风险。电子病历（EMR）数据可用于构建这些模型。目标-为那些寻求使用EMR数据开发预后预测模型的人提供框架，并以骨关节炎风险估计为例说明这些步骤。FRAMR-EMR-创建了从EMR数据建模风险的框架（FRAMR-EMR），其概述了使用EMR数据构建预后预测模型的分步指南。在这些步骤中，描述了使用EMR数据进行预测目的的几个特定潜在缺陷，并建议了解决它们的方法。案例研究-我们使用DELPHI（提供初级保健信息）数据库开发用于估计骨关节炎风险的预后预测模型。我们构建了包含28447名符合条件的初级保健患者的回顾性队列。如果患者于2008年1月1日至2009年12月31日期间与初级保健医生有接触，则纳入。如果患者基线前有骨关节炎诊断则排除。遵循FRAMR-EMR构建预后预测模型产生了能够估计5年骨关节炎诊断风险的预测模型。逻辑回归用于基于年龄、性别、BMI、既往腿部损伤和骨质疏松预测骨关节炎。模型性能的内部验证显示出良好的区分度和中等校准度。结论-本研究为有兴趣基于EMR数据开发预后预测模型的人提供指导。高质量预后预测模型的产出使得从业者能够沟通初级保健患者未来疾病发展的准确估计风险。
引用
@article{arxiv.1705.09563,
title = {FRAMR-EMR: Framework for Prognostic Predictive Model Development Using Electronic Medical Record Data with a Case Study in Osteoarthritis Risk},
author = {Jason Black and Amanda Terry and Daniel Lizotte},
journal= {arXiv preprint arXiv:1705.09563},
year = {2017}
}