Neues Modell gefunden wirksam bei der Vorhersage Risiko einer opioid-überdosierung
Aktuelle Ansätze zur Identifizierung von Menschen, die ein hohes Risiko für eine überdosierung auf Opioide Ziel viele, die sind nicht wirklich ein hohes Risiko. Eine neue Studie war die Entwicklung und Validierung einer Methode zur Prognose des Risikos von opioid-überdosierung unter Medicare-Begünstigten mit mindestens einer opioid-Verordnung. Das Modell entwickelten die Forscher war mehr wirksam bei der Vorhersage Risiko einer überdosierung als herkömmliche statistische Modelle.
Die Studie, die von Forschern an der University of Florida, University of Pittsburgh, Carnegie Mellon University, und die University of Utah, erscheint in JAMA Netzwerk Öffnen.
„Unser Modell war wirksam bei der Aufteilung der Teilnehmer in drei Risiko-Gruppen nach vorhergesagten Risiko-score, mit drei Viertel in eine niedrige-Risiko-Gruppe mit einem vernachlässigbaren rate von der überdosis, und mehr als 90 Prozent der Personen mit einer überdosis eingefangen in der high – und medium-risk-Gruppen“, erklärt Jeremy C. Weiss, assistant professor für medizinische informatik an der Carnegie Mellon University ‚ s Heinz College, die Teilnahme an der Studie.
„Die Fähigkeit, zu identifizieren, wie die Risiko-Gruppen hat wichtige Implikationen für die Politik und die Versicherer, die derzeit Ziel-Interventionen auf der Grundlage weniger präzise Maßnahmen zur Identifikation von Patienten mit hohem Risiko“, so Wei-Hsuan „Jenny“ Lo-Ciganic, assistant professor of pharmaceutical outcomes and policy “ an der Universität von Florida, die war Hauptautor der Studie.
In 2017-2018, Forscher untersuchten 560,057 Gebühr-für-Dienst Medicare-Begünstigten ohne Krebs, die gefüllt, eine oder mehrere Rezepte für Opiate zwischen 2011 und 2015. Diese Personen wurden randomisiert und zu gleichen teilen auf die Untergruppen. Alle drei Monate, die Forscher gemessen potentielle Prädiktoren von opioid-überdosierung, einschließlich Teilnehmer‘ sozio-demographische Merkmale (z.B. Alter, Geschlecht, Behinderung, status), Gesundheitszustand, Muster für opioid-Gebrauch, und Faktoren in Bezug auf die Teilnehmer-Praktizierenden und die Regionen, in denen Sie lebten. Die Forscher identifizierten opioid-überdosierungen von stationären und Notaufnahme Ansprüche, und prognostizierte Risiko der überdosierung in den drei Monaten, nachdem die Teilnehmer begann die Behandlung mit den Drogen.
Die Studie fand heraus, dass der machine-learning-algorithmen, die die Forscher entwickelt, durchgeführt sowie bei der Vorhersage Risiko einer opioid-überdosierung und Identifizierung von Untergruppen von Patienten, die ein ähnliches Risiko der überdosierung, vor allem wenn es um die Identifizierung von Individuen mit einem geringen Risiko der überdosierung. Maschinelles lernen ist ein alternativer analytischer Ansatz zur Behandlung von komplexen Wechselwirkungen in der großen Datenmengen, die Entdeckung verborgener Muster und das generieren von Vorhersagen in den klinischen Einstellungen. Basierend auf Ihren Ergebnissen folgerten die Forscher, dass Ihre Vorgehensweise besser als andere Methoden zur Identifizierung von Risiken, wie die traditionellen statistischen Modellen.
Die Autoren warnen, dass Ihre Studie berücksichtigt wurden nur Patienten, die Opioide von den medizinischen Einstellungen, nicht diejenigen, die haben Sie von nicht-ärztlichen Einstellungen, die nicht erfasst werden, Ansprüche Daten. Darüber hinaus betrachtete die Studie bei überdosierungen sind in der medizinischen Einstellungen, nicht überdosierungen außerhalb dieser Einstellungen.