基于病历生存时间分析预测结直肠息肉复发
应用统计
2019-11-19 v1 机器学习
机器学习
摘要
识别影响结直肠息肉复发率的患者特征，可为判断哪些患者复发风险更高提供重要依据。我们利用自然语言处理从953名息肉就诊患者的电子病历中提取息肉形态学特征，并结合人体测量学特征，使用Kaplan-Meier曲线、Cox比例风险模型和随机生存森林模型，通过后续结肠镜检查报告分析这些特征及吸烟状态如何影响息肉复发时间（731名患者发生复发）。我们发现复发率因息肉大小、数量、位置及患者吸烟状态而存在显著差异。此外，与左侧结肠息肉相比，右侧结肠息肉使复发风险增加30%；有吸烟史者较从不吸烟者息肉复发风险增加20%。随机生存森林模型的AUC为0.65，并识别出若干其他预测变量，可用于指导个性化息肉监测方案的制定。
引用
@article{arxiv.1911.07368,
title = {Predicting colorectal polyp recurrence using time-to-event analysis of medical records},
author = {Lia X. Harrington and Jason W. Wei and Arief A. Suriawinata and Todd A. Mackenzie and Saeed Hassanpour},
journal= {arXiv preprint arXiv:1911.07368},
year = {2019}
}
备注
Accepted in AMIA 2020 Informatics Summit