《中国药物流行病学研究方法学指南》(以下简称"《指南》")已于2019年9月发布。本文检索2009~2019年Web of Science、CNKI等文献数据库中的药物流行病学相关文献,初步分析药物流行病学研究的选题内容,通过对《指南》进行解读...
详细信息
《中国药物流行病学研究方法学指南》(以下简称"《指南》")已于2019年9月发布。本文检索2009~2019年Web of Science、CNKI等文献数据库中的药物流行病学相关文献,初步分析药物流行病学研究的选题内容,通过对《指南》进行解读,提出选题新思路。检索发现,近10年来国外药物流行病学选题与药理药剂学、公共环境职业健康、毒理学、普通内科学、卫生保健科学服务等相关学科结合较为紧密,应用范围也比较广泛。国内药物流行病学选题主要集中在药品不良反应、药物安全性评价方面。国内外药物流行病学选题主要涉及到药物疗效比较研究、疫苗有效性和安全性评价、药物基因组学研究、药物利用研究、药物经济学研究等领域。《指南》提示,药物流行病学研究选题要密切联系健康中国战略,从药物的安全性、有效性、经济性、适当性评价入手,建议扩展药物疗效比较、疫苗合理性评价、药物基因组学等方面的选题,提高药物流行病学在合理用药、群体免疫、精准医学中的价值,促进全民健康的发展。
近些年来,利用行政管理和临床保健数据库等常规收集的卫生数据开展真实世界比较效果与安全性的研究越来越多地影响药品监管、报销和其他医疗保健决策。电子健康记录(Electronic Health Records,EHR),尤其是电子病历数据中的非结构化数...
详细信息
近些年来,利用行政管理和临床保健数据库等常规收集的卫生数据开展真实世界比较效果与安全性的研究越来越多地影响药品监管、报销和其他医疗保健决策。电子健康记录(Electronic Health Records,EHR),尤其是电子病历数据中的非结构化数据蕴含大量症状、体征、诊断相关数据,结合高效可行的临床真实世界数据采集模式,将其整理为可供分析的结构化数据,可以更好地利用这些信息开展研究。目前已发表的多个报告规范详细说明了关于如何规范报告使用常规收集卫生数据开展观察性研究。然而,现有报告规范未对电子医疗记录、登记数据或其他医疗保健数据源中所包含的结构化和非结构化信息加以区分。如何更加透明、规范地报告,即将非结构化文本提取,整理成为可以开展比较效果研究和安全性研究分析的结构化字段,对于此类因果推断研究、结果解释有重要意义。鉴于此,哈佛医学院Shirley ***教授带领的研究团队提出并制定《使用非结构化电子健康数据开展真实世界比较效果和安全性研究的报告规范》。本文对基于非结构化EHR开展真实世界比较效果和安全性研究过程中涉及的专业术语和相关技术进行简单归纳,着重介绍现已发表的报告规范中对于非结构化文本处理,如使用自然语言处理或机器学习方法时需重点报告的核心要点,以期为研究人员今后更好地开展和报告此类研究提供参考。
住院时间(length of stay, LOS)是判断患者病情严重程度,评价医院医疗卫生资源利用效率的有效指标.目前对住院时间预测的有效模型尚处于探索阶段.随机森林(random forest,RF)是一种基于集成学习思想的机器学习算法,在医疗大数据领域得...
住院时间(length of stay, LOS)是判断患者病情严重程度,评价医院医疗卫生资源利用效率的有效指标.目前对住院时间预测的有效模型尚处于探索阶段.随机森林(random forest,RF)是一种基于集成学习思想的机器学习算法,在医疗大数据领域得到了良好的应用.本研究使用随机森林算法构建透析患者住院时间预测模型.以国内715家三级医院的医院质量监测系统住院病案首页数据作为数据源,应用SMOTE(synthetic minority over-sampling technique)采样方法处理不平衡数据.SMOTE方法是一种改进的采样方法,可以明显提升分类器性能.模型性能评价指标使用受试者工作特征曲线下面积(area under the receiver operation characteristic curve, AUROC)、均方根误差(root mean squared error, RMSE)、灵敏度、特异度、约登指数和准确率,并比较随机森林模型与传统Logistic回归模型的预测效果.结果 显示,随机森林模型的AUROC比Logistic回归模型高出18个百分点,两者分别为0.79和0.61;准确率比Logistic回归模型高出13个百分点,分别为71.12％和58.04％.预测性能各指标均表明,随机森林模型表现明显优于Logistic回归模型.随机森林模型对高维数据及共线性数据有良好的适应性,相比Logistic回归模型,预测准确度高,更适合应用于透析患者住院时间的预测.本研究基于随机森林算法构建的透析患者住院时间预测模型,可帮助临床医生对透析病人进行危险度分级,提示可实行的控制医疗费用的措施,减少透析患者的医疗负担.
暂无评论