現代預測模型需要大量數據進行訓練和評估，缺乏這些數據可能會導致模型針對特定地點、人口和那里的臨床實踐。目前，臨床風險預測模型的最佳實踐缺乏一定程度的“普遍性”，這可能會極大地增加它們對其他地點的其他臨床環(huán)境的有用性。
由紐約大學全球公共衛(wèi)生學院計算機科學與工程教授 Rumi Chunara 領導的紐約大學 Tandon 研究小組調查了死亡率預測模型在應用于與其開發(fā)所在不同的醫(yī)院或地區(qū)時是否存在顯著差異.他們還查詢數據以確定數據集的具體特征——包括分析 2014 年至 2015 年美國 179 家醫(yī)院的電子健康記錄，其中 70,126 人住院——這可以解釋基于種族等因素的臨床表現差異。
在PLOS Digital Health的一篇新論文中，研究人員，包括博士 Harvineet Singh。紐約大學數據科學中心的學生和博士 Vishwali Mhasawade。在 Chunara 的指導下，候選人發(fā)現，包括在一家醫(yī)院或地理區(qū)域開發(fā)的臨床(生命體征、實驗室和手術)變量的死亡風險預測模型缺乏對不同醫(yī)院或地區(qū)的普遍適用性?；谝蚬l(fā)現分析，他們假設這種缺乏普遍性的原因是數據集在不同醫(yī)院或地區(qū)的種族和臨床變量的變化。簡而言之，種族變量與臨床變量密切相關。
“從這項研究中可以清楚地看出，數據模型——就醫(yī)院到醫(yī)院和區(qū)域醫(yī)院集團層面的死亡率風險預測等因素而言——不能立即推廣，這對無法為自己生成這些模型的醫(yī)院產生影響”春娜拉說。
研究結果還表明，即使在平均人口范圍指標方面表現良好，預測模型也可能表現出跨種族的表現差異。
“雖然有充分證據表明臨床因素和結果可能因種族而有顯著差異，但我們了解為什么存在這些差異至關重要，因此必須在更大的背景下檢查數據和模型，同時考慮來自地理和社會經濟的各種影響。臨床，”她說。
具體而言，該研究表明，除了算法公平性指標之外，還需要了解子組的數據生成過程，以識別和減輕變異來源，并決定是否在新環(huán)境中使用風險預測模型。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯(lián)系刪除！