统计学 > 应用
[提交于 2022年5月1日
]
标题: 基于规则的算法用于产科护理中的时间事件检测(TED-PC):从有和没有新冠肺炎的孕妇电子健康记录中推断妊娠年龄和分娩日期
标题: Temporal Events Detector for Pregnancy Care (TED-PC): A Rule-based Algorithm to Infer Gestational Age and Delivery Date from Electronic Health Records of Pregnant Women with and without COVID-19
摘要: 目标:开发一个基于规则的算法,通过从国家冠状病毒队列协作(N3C)的电子健康记录(EHR)中推断妊娠周数和分娩日期,检测患有新冠肺炎的女性的临床事件的时间信息。 材料和方法: EHR 由观察性医疗结果伙伴关系(OMOP)临床数据模型(CDM)标准化。 EHR 表型分析得到了 270,897 名孕妇(2018-06-01 至 2021-05-31)。 我们开发了一个基于规则的算法,并进行了多级评估以测试算法的内容效度和临床效度;并对妊娠天数小于 150 或大于 300 天的个体进行了极端值分析。 结果:该算法在 270,897 名孕妇中识别出 296,194 次妊娠(16,659 例新冠肺炎病例,174 例和 744 例无新冠肺炎的疫情期病例)。 对于推断妊娠年龄,95% 的案例(n=40)具有中等至高准确性(Cohen Kappa = 0.62);100% 的案例(n=40)具有中等至高时间信息粒度(Cohen Kappa = 1)。 对于推断分娩日期,准确性为 100%(Cohen Kappa = 1)。 极端妊娠长度的妊娠年龄检测准确性为 93.3%(Cohen Kappa = 1)。 感染新冠肺炎的母亲在肥胖(35.1% vs. 29.5%)、糖尿病(17.8% vs. 17.0%)、慢性阻塞性肺病(COPD)(0.2% vs. 0.1%)、呼吸窘迫综合征(ARDS)(1.8% vs. 0.2%)方面的患病率更高。 讨论:我们通过算法探索了不同时间点感染新冠肺炎的孕妇特征:首次从完整的产前护理中推断时间信息,并使用 N3C 检测孕妇感染 SARS-CoV-2 的时间。 结论:该算法在推断妊娠年龄和分娩日期方面表现出优异的有效性,这支持了 N3C 上的国家 EHR 队列研究新冠肺炎对妊娠的影响。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.