Learning to Identify Patients at Risk of Uncontrolled Hypertension Using Electronic Health Records Data

[namakemono]

#	##
論文リンク	https://arxiv.org/abs/1907.00089v1
著者	Ramin Mohammadi, Sarthak Jain, Stephen Agboola, Ramya Palacholla, Sagar Kamarthi, Byron C. Wallace
投稿日時	2019-01-28
コード

概要

高血圧は脳卒中、心血管疾患、および末期腎臓病の主要な危険因子であり、その有病率は劇的に上昇すると予想されます。したがって、効果的な高血圧管理は非常に重要です。特に優先順位が高いのは、制御できない高血圧の発生率を減らすことです。制御されていない高血圧のリスクがある患者を早期に特定することで、個別化された積極的な治療法の的を絞った使用が可能になります。今後3ヶ月以内に制御不能な高血圧を示すリスクに関して患者を層別化するために、機械学習モデル（ロジスティック回帰と再帰ニューラルネットワーク）を開発します。それぞれ14,407人と3,009人の患者からのEHRデータを使用してモデルを訓練しテストした。最も良いモデルは0.719のAUROCを達成しました。最後の血圧測定値（0.634）のみに基づく信頼予測の競合ベースライン。おそらく驚くべきことに、リカレントニューラルネットワークはこのタスクの単純なロジスティック回帰を上回らず、線形モデルはEHRを使用した予測タスクの強力なベースラインとして含めるべきであることを示唆しています