摘要
不泛骨的分枝杆菌肺病(NTMLD)是一种稀有的肺病,由于低的怀疑和未指定的临床介绍。该回顾性研究旨在表征NTMLD患者在初级保健中的偏向特征,并评估使用机器学习识别未确诊的NTMLD患者的可行性。
使用IQVIA医学研究数据(合并THIN, Cegedim数据库),一个英国电子医疗记录初级保健数据库。NTMLD患者于2003年至2017年通过初级或二级保健诊断或NTMLD治疗方案记录确诊。在文献和专家临床意见的指导下,在诊断前提取危险因素和治疗方法。对照种群被富集到至少具有其中一种特征。
选择了741 NTMLD和112 784控制患者。从2006年到2016年的NTMLD的年度流行率从2.7%增加到每100 000.10亿。NTMLD患者的最常见的预先诊断和治疗是COPD和哮喘和青霉素,大胶质剂和吸入的皮质类固醇。与随机测试相比,机器学习改善了NTMLD患者的患者,距离0.94的近千倍。2016年NTMLD诊断和未确诊病例的普及率估计为每100 000的9至16之间。
本研究支持将机器学习应用于初级保健数据筛选未确诊NTMLD患者的可行性,结果表明英国可能存在大量未确诊的NTMLD病例。
摘要
与随机测试相比,机器学习对未确诊NTMLD患者的检测提高了近千倍,AUC为0.94,支持了将机器学习应用于初级保健数据筛选未确诊NTMLD患者的可行性https://bit.ly/2wmt5nz.
脚注
这篇文章的补充材料可从www.qdcxjkg.com.
IQVIA医学研究数据的使用由英国研究伦理委员会批准(参考编号:18THIN023-A1)。根据该批准,该研究方案由独立的科学评审委员会(SRC)审核批准(参考编号:18THIN023-A1)。与HES相关的数据已由独立科学伦理咨询委员会(ISEAC)在相同的SRC参考编号下进行审核和批准。isac对IQVIA具有独立的咨询功能。isac的主要目的是监督IQVIA、荣誉研究人员或分许可人的所有请求,对与NHS Digital和其他医疗保健数据库的数据共享协议下持有的去识别数据进行分析。根据数据使用的条款和授权,引用如下:“版权©2019,经健康和社会护理信息中心许可重新使用。版权所有。”对IMRD数据库的引用旨在描述IQVIA许可的数据资产。支持这一发现的原始数据将在要求时从通讯作者处获得。
作者贡献:O.M. Doyle, P. McMahon, F. Daniels, A. Pitcher, M. Obradovic, R. van der Laan and M.R. loeinger参与研究构思和设计,数据分析和手稿的起草。所有作者都已阅读并批准了稿件的最终版本。
利益冲突:O.M. Doyle报告了Insmed在研究期间提供的资金;并被IQVIA雇用。
利益冲突:R. van der Laan报告了Insmed在研究期间提供的资金;并被Insmed雇用。
利益冲突:在研究期间,在InsMed中的资金提供资金;并被Insmed雇用。
利益冲突:在进行研究期间,P. McMahon报告了Insmed的资金;并被IQVIA雇用。
利益冲突:F.丹尼尔斯在研究期间报告了来自Insmed的资助;并被IQVIA雇用。
利益冲突:A. Pitcher报告了Insmed的资助,在研究进行期间;并被IQVIA雇用。
利益冲突:lobinger先生报告了Insmed在进行研究期间的个人费用和资金;来自Savara, Grifols, Bayer, AstraZeneca, Polyphor和Meiji的个人费用,除了提交的工作。
支持声明:本研究由Insmed提供资金支持。本文的资金信息已存入CrossRef Resder注册表。
- 收到了2020年1月9日。
- 公认2020年4月23日。
- 版权所有©ers 2020