以患者为导向的无监督学习揭示使用初级保健电子健康记录的中风相关多重疾病模式
应用统计
2024-01-04 v1
摘要
背景：识别和表征与中风相关的多重疾病的纵向模式，对于更好地理解患者需求和为新的护理模式提供信息是必要的。方法：我们使用了一种以患者为导向的无监督聚类方法，分析了 2005 年至 2021 年间在伦敦南部 41 家全科诊所注册的 18 岁以上中风患者的初级保健电子健康记录（EHR）中 30 种常见长期疾病（LTC）的数据。结果：在 849,968 名注册患者中，9,847 名（1.16%）有中风记录，46.5% 为女性，记录时的中位年龄为 65.0 岁（IQR：51.5 至 77.0）。除中风外，长期疾病的中位数为 3（IQR：2 至 5）。患者被分为八个聚类。这些聚类揭示了对比鲜明的多重疾病模式、社会人口学特征（年龄、性别和种族）以及风险因素。除了与常规中风风险因素相关的 3 个核心聚类外，较小的聚类展示了不太常见但反复出现的长期疾病组合，包括心理健康状况、哮喘、骨关节炎和镰状细胞贫血。重要的是，出现了结合心理健康状况、传染病和物质依赖的复杂特征。结论：这种以患者为导向的 EHR 分析方法揭示了与中风相关的多重疾病特征和社会人口学特征的异质性。它强调了常规中风风险因素的重要性，以及在相当比例患者中显示的多重疾病复杂特征中心理健康状况的关联。这些结果满足了更好地理解中风相关多重疾病和复杂性的需求，以便为更高效和以患者为导向的医疗保健模式提供信息。
引用
@article{arxiv.2401.01870,
title = {Patient-Oriented Unsupervised Learning to Unlock Patterns of Multimorbidity Associated with Stroke using Primary Care Electronic Health Records},
author = {Marc Delord and Xiaohui Sun and Annastazia Learoyd and Vasa Curcin and Iain Marshall and Charles Wolfe and Mark Ashworth and Abdel Douiri},
journal= {arXiv preprint arXiv:2401.01870},
year = {2024}
}