基于理赔数据动态预测慢性肾脏病患者肾脏替代疗法起始的机器学习方法
机器学习
2022-09-07 v1 人工智能
摘要
慢性肾脏病（CKD）是一种缓慢进展的疾病，最终可能需要包括透析或肾移植在内的肾脏替代疗法（RRT）。提前（多达 1 年）识别将需要 RRT 的患者可改善预后，例如通过为透析提供更高品质的血管通路。因此，医护团队早期识别 RRT 需求是成功管理该疾病的关键。遗憾的是，目前尚无常用的 RRT 起始预测工具。在本工作中，我们提出一种机器学习模型，仅使用理赔数据动态识别未来最多一年内需 RRT 的 CKD 高危患者。为评估该模型，我们研究了约 300 万 Medicare 受益人，并作出超过 800 万次预测。我们表明该模型能以超过 90% 的灵敏度和特异度识别高危患者。尽管在用于临床前还需额外工作，本研究为筛查工具的开发奠定了基础，可在能够实现早期主动干预以改善 RRT 结局的时间窗内识别高危患者。
引用
@article{arxiv.2209.01469,
title = {Machine learning for dynamically predicting the onset of renal replacement therapy in chronic kidney disease patients using claims data},
author = {Daniel Lopez-Martinez and Christina Chen and Ming-Jun Chen},
journal= {arXiv preprint arXiv:2209.01469},
year = {2022}
}
备注
This preprint has not undergone peer review or any post-submission improvements or corrections. Submitted to the Applications of Medical AI (AMAI) at MICCAI 2022