ABSTRACTObjective Incorporating acc

ABSTRACT
Objective Incorporating accurate life expectancy
predictions into clinical decision making could improve
quality and decrease costs, but few providers do this. We
sought to use predictive data mining and high
dimensional analytics of electronic health record (EHR)
data to develop a highly accurate and clinically
actionable 5 year life expectancy index.
Materials and methods We developed the index
using EHR data for 7463 patients ≥50 years old with
≥1 visit(s) in 2003 to a large, academic, multispecialty
group practice. We extracted 980 attributes from the
EHRs of the practices and affiliated hospitals. Correlation
feature selection with greedy stepwise search was used
to find the attribute subset with best average merit.
Rotation forest ensembling with alternating decision tree
as underlying classifier was used to predict 5 year
mortality. Model performance was compared with the
modified Charlson Comorbidity Index and the Walter life
expectancy method.
Results Within 5 years of the last visit in 2003, 838
(11%) patients had died. The final model included 24
attributes: two demographic (age, sex), 10 comorbidity
(eg, cardiovascular disease), one vital sign (mean
diastolic blood pressure), two medications (loop diuretic
use, digoxin use), six laboratory (eg, mean albumin), and
three healthcare utilization (eg, the number of
hospitalizations 1 year prior to the last visit in 2003).
The index showed very good discrimination (c-statistic
0.86) and outperformed comparators.
Conclusions The EHR based index successfully
distinguished adults ≥50 years old with life expectancy
>5 years from those with life expectancy ≤5 years.
This information could be used clinically to optimize
preventive service use (eg, cancer screening in the
elderly).

ผลลัพธ์ (ไทย) 1:

บทคัดย่อวัตถุประสงค์ Incorporating ถูกอายุการใช้งานคาดคะเนในการตัดสินใจทางคลินิกสามารถปรับปรุงคุณภาพและลดต้นทุน แต่ผู้ให้บริการไม่กี่ทำ เราขอใช้ระบบข้อมูลการทำเหมือง และสูงการวิเคราะห์มิติระเบียนสุขภาพอิเล็กทรอนิกส์ (EHR)ข้อมูลการพัฒนาความแม่นยำสูง และทางการแพทย์ดำเนิน 5 ปีอายุการใช้งานดัชนีวัสดุและวิธีที่เราพัฒนาดัชนีใช้ข้อมูล EHR 7463 ผู้ป่วย ≥50 ปี≥1 visit(s) 2003 ไป multispecialty ใหญ่ วิชาการกลุ่มปฏิบัติการ เราแยกคุณลักษณะ 980 จากการEHRs ของการปฏิบัติและโรงพยาบาลในเครือ สหสัมพันธ์ใช้เลือกคุณลักษณะการค้นหายังคงโลภการค้นหาชุดย่อยของแอตทริบิวต์ ด้วยบุญเฉลี่ยที่ดีที่สุดEnsembling ป่าหมุนอิสระต้นไม้ตัดสินใจเป็นลักษณนามพื้นฐานใช้ในการทำนาย 5 ปีอัตราการตาย ประสิทธิภาพการทำงานของแบบจำลองถูกเปรียบเทียบกับการแก้ไข Charlson Comorbidity ดัชนีและชีวิต Walterวิธีการงานผลภายใน 5 ปีไปครั้งสุดท้าย 2003, 838(11%) ผู้ป่วยเสียชีวิต รุ่นสุดท้ายรวม 24แอตทริบิวต์: สองประชากร (อายุ เพศ), 10 comorbidity(เช่น โรคหลอดเลือดหัวใจ), สัญญาณหนึ่ง (หมายความว่าความดันโลหิตที่ diastolic), สองยา (ยาขับปัสสาวะวนใช้ ใช้ digoxin), ห้องปฏิบัติการ 6 (เช่น หมายความว่า albumin), และสามแพทย์ใช้ประโยชน์ (เช่น จำนวนแก่ 1 ปีก่อนสุดท้ายไปใน 2003)ดัชนีแสดงให้เห็นการเลือกปฏิบัติที่ดี (c-สถิติ0.86) และกรรมการรองบทสรุปการ EHR ตามดัชนีเสร็จเรียบร้อยแล้วปี ≥50 ผู้ใหญ่แตกต่างกับอายุการใช้งาน> 5 ปีจากผู้ที่มีอายุ≤ 5 ปีข้อมูลนี้สามารถใช้ทางการแพทย์เพื่อเพิ่มประสิทธิภาพใช้บริการเชิงป้องกัน (เช่น มะเร็งที่ตรวจคัดกรองในการผู้สูงอายุ)

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ
วัตถุประสงค์ผสมผสานอายุขัยที่ถูกต้อง
คาดการณ์ในการตัดสินใจทางคลินิกสามารถปรับปรุง
คุณภาพและลดค่าใช้จ่าย แต่ผู้ให้บริการไม่กี่ทำเช่นนี้ เรา
พยายามที่จะใช้การทำเหมืองข้อมูลการคาดการณ์สูงและ
การวิเคราะห์มิติของบันทึกสุขภาพอิเล็กทรอนิกส์ (EHR)
ข้อมูลในการพัฒนาอย่างถูกต้องและทางคลินิก
5 ปีดัชนีอายุขัยดำเนินการ.
วัสดุและวิธีการเราได้พัฒนาดัชนี
การใช้ข้อมูล EHR สำหรับผู้ป่วยเก่า 7463 ≥50ปี กับ
≥1เข้าชม (s) ในปี 2003 ที่มีขนาดใหญ่วิชาการ multispecialty
กลุ่มปฏิบัติ เราสกัดคุณลักษณะ 980 จาก
EHRs ของการปฏิบัติและเครือโรงพยาบาล ความสัมพันธ์
การเลือกคุณลักษณะที่มีการค้นหาแบบขั้นตอนโลภถูกนำมาใช้
เพื่อหากลุ่มย่อยแอตทริบิวต์ที่มีบุญเฉลี่ยที่ดีที่สุด.
หมุนป่า ensembling สลับกับต้นไม้ตัดสินใจ
เป็นลักษณนามภายใต้ถูกใช้ในการทำนาย 5 ปี
การเสียชีวิต ประสิทธิภาพการทำงานของรุ่นถูกเมื่อเทียบกับ
การปรับเปลี่ยน Charlson comorbidity ดัชนีและวอลเตอร์ชีวิต
วิธีการคาดหวัง.
ผลภายใน 5 ปีของการเข้าชมครั้งล่าสุดในปี 2003, 838
(11%) ผู้ป่วยเสียชีวิต รุ่นสุดท้ายรวม 24
คุณลักษณะ: สองทางประชากร (อายุเพศ), 10 comorbidity
(เช่นโรคหัวใจและหลอดเลือด) หนึ่งสัญญาณชีพ (หมายถึง
ความดันโลหิต diastolic) สองยา (ห่วงขับปัสสาวะ
ใช้ใช้ดิจอกซิน), หกห้องปฏิบัติการ (เช่น หมายถึงอัลบูมิ) และ
การใช้ประโยชน์ด้านการดูแลสุขภาพที่สาม (เช่นจำนวนของการ
รักษาในโรงพยาบาล 1 ปีก่อนที่จะเข้ามาครั้งสุดท้ายในปี 2003).
ดัชนีแสดงให้เห็นว่าการเลือกปฏิบัติที่ดีมาก (C-สถิติ
0.86) และเฮง comparators.
สรุปดัชนี EHR ตามประสบความสำเร็จใน
ผู้ใหญ่ที่โดดเด่น ≥50ปีเก่ากับอายุขัย
> 5 ปีนับจากผู้ที่มีอายุขัย≤5ปี.
ข้อมูลเหล่านี้สามารถนำมาใช้ทางการแพทย์เพื่อเพิ่มประสิทธิภาพ
การใช้งานบริการเชิงป้องกัน (เช่นตรวจคัดกรองมะเร็งใน
ผู้สูงอายุ)

ผลลัพธ์ (ไทย) 3:

บทคัดย่อวัตถุประสงค์ตามอายุขัยที่ถูกต้องคาดคะเนเป็นตัดสินใจทางคลินิกทำให้สามารถปรับปรุงและต้นทุนคุณภาพลดลง แต่ผู้ให้บริการไม่ทำแบบนี้ เราพยายามที่จะใช้การทำเหมืองข้อมูลพยากรณ์และสูงมิติการวิเคราะห์อิเล็กทรอนิกส์ประวัติสุขภาพ ( EHR )ข้อมูลการพัฒนาสูงและถูกต้องทางการแพทย์ดัชนีอายุขัยเรา 5 ปีวัสดุและวิธีการที่เราได้พัฒนาดัชนีข้อมูล EHR เพื่อใช้ 7463 ผู้ป่วย≥ 50 ปี≥ 1 ชม ( s ) ในปี 2003 ที่มีขนาดใหญ่ , วิชาการ , multispecialtyการปฏิบัติของกลุ่ม . เราสกัด 980 คุณลักษณะจากehrs ของการปฏิบัติ และโรงพยาบาลในเครือ ความสัมพันธ์คุณลักษณะการค้นหาที่ใช้กับโลภ ?เพื่อหาคุณลักษณะย่อยด้วยบุญเฉลี่ยที่ดีที่สุดหมุนสลับป่า ensembling ด้วยแผนภาพการตัดสินใจแบบต้นไม้เป็นแบบพื้นฐานที่ใช้ร่วมกัน 5 ปีการตาย แสดงแบบจำลองที่เทียบกับแก้ไข charlson กฤษณาดัชนีและวอลเตอร์ ชีวิตวิธีที่ 2 .ผลภายใน 5 ปี ของการเข้าชมครั้งล่าสุดในปี 2003 , 838( 11% ) ผู้ป่วยเสียชีวิต แบบจำลองสุดท้าย 24คุณลักษณะ : สองประชากร ( เพศ อายุ สิบกฤษณา )( โรค เช่น โรคหัวใจ หนึ่งสัญญาณที่สําคัญ ( หมายถึงความดันโลหิตสูง ) , สองโรค ( ห่วง ขับปัสสาวะการใช้ยาใช้ ) , 6 ปฏิบัติการ ( เช่น ค่าเฉลี่ยน ) และ3 ) การใช้ ( เช่น จำนวนของซึ่ง 1 ปี ก่อนที่จะเข้าชมครั้งล่าสุดในปี 2003 )ดัชนีจำแนก ( c-statistic แสดงดีมาก0.86 ) และเมื่อเปรียบเทียบ .ข้อสรุปจากดัชนีบทความเรียบร้อยแล้วผู้ใหญ่ที่แตกต่าง≥ 50 ปีเก่าด้วยอายุขัย> 5 ปีจากผู้ที่มีอายุขัย≤ 5 ปีข้อมูลนี้อาจจะใช้ในทางคลินิกเพื่อเพิ่มประสิทธิภาพใช้บริการป้องกัน ( เช่น คัดกรองมะเร็งในผู้สูงอายุ )