納入環境數據能否提升CDS識別兒童哮喘風險的能力? _健康小知識

本文轉自：中國網
健康號
【納入環境數據能否提升CDS識別兒童哮喘風險的能力?】納入環境數據能否提升CDS識別兒童哮喘風險的能力？文/CDSreport2022-05-2520:38:52來源：中國網醫療頻道研究者表示無法考慮所有可能對哮喘惡化產生重大影響的變量，包括藥物補充數據、室內環境和直接呼吸道病毒暴露。
導讀
此項研究目的是開發一種臨床決策支持(CDS)工具，來準確識別出哮喘發作風險最大的兒童。研究評估了臨床數據，及空間和時間分辨的環境數據對哮喘惡化預測模型性能的價值貢獻。
哮喘是一種慢性氣道疾病，在美國影響超過500萬兒童，每年有超過一半的哮喘兒童會出現急性加重，其中有1/6會到急診室就診，每20人中有1人因哮喘加重需要住院。哮喘加重由多種臨床和環境因素引發，但這些因素的相互作用及其對惡化風險的影響尚不清楚。
近期發表在BMCMedicalInformaticsandDecisionMaking的一項研究，探索了開發臨床決策支持(CDS)工具的潛力，以識別在30天、60天和180天期間哮喘發作高風險的兒童。評估了EHR中提取的臨床數據，及空間和時間分辨的環境數據對兒童哮喘惡化預測模型性能的影響，并表明空間和時間數據沒有顯著提高模型性能。
01
臨床、空間、時間三方面數據關聯納入評估
該研究使用杜克大學衛生系統(DUHS)的回顧性數據進行的， DUHS包含一家三級保健醫院、兩家社區醫院以及初級保健網絡專業診所的EHR系統，基于EHR的臨床研究數據集市(clinicalResearchDatamart)提取了階段時間的臨床數據，確定了6395名（5-18歲）患有哮喘的兒童，根據相應條件，最終5982名兒童納入研究分析。研究采用臨床數據與空間數據、時間數據的所有預測變量相關聯，評估模型在預測兒童哮喘惡化方面的效用。以下為各方數據提取來源：
臨床數據：從EHR中提取每個孩子的臨床和社會人口學信息，包括性別、年齡、種族、保險類型、合并癥、藥物處方。
空間數據：根據患者地址得出社區層面的環境數據。通過每個孩子的居住地郵政編碼和美國社區調查的相關數據，來計算醫療保健研究與質量機構(AHRQ)的社會經濟地位指數(SES)；使用ArcGIS計算數據集中每個地理編碼地址到道路的直線距離。
時間數據：從美國環境信息中心下載了每日平均氣溫、總降水量等氣候數據；從美國環境保護署下載了最大二氧化硫讀數等空氣質量數據；還從環境質量部下載了花粉數據；以及通過提取當月每天進行流感檢測的次數來計算季節性流感負擔等。
02
EHR中提取的臨床數據賦予模型預測性能更多價值
研究者使用LASSO、隨機森林和xgBoost構建Person-Month預測模型，由5組不同的預測變量（所有預測變量、時間因素、臨床因素、空間因素、簡約模型）訓練出15個不同模型，在三個不同的時間范圍（30天、90天和180天），預測兒童哮喘惡化的風險。通過計算預測事件發生率和曲線下面積(AUC)來比較不同模型的性能。
研究結果顯示，所有模型的短期預測性能優于長期， xgBoost模型的性能名義上優于使用LASSO或隨機森林的模型。在評估時間、空間和臨床因素對模型預測惡化風險的相對貢獻時發現，無論采用何種建模方法，臨床因素賦予了模型預測性能更多價值，時間因素賦予的預測價值偏低，空間因素的預測價值最小。以隨機森林預測模型30天時間范圍內的結果為例：基于臨床因素模型AUC=0.741 ，基于時間因素模型AUC=0.608 ，基于空間因素模型AUC=0.502 ，簡約模型AUC=0.672 。