基于结构化与非结构化电子健康记录数据的初级诊疗静脉血栓栓塞风险预测算法开发及其临床意义研究

本研究针对静脉血栓栓塞(VTE)临床诊断困难的问题，由美国东北部大型医疗网络的研究团队开发了机器学习预测模型。利用4678例患者EHR数据，通过逻辑回归等七种算法实现VTE精准预测(AUC 0.88)，尤其对延迟诊断病例具有显著识别能力，为初级诊疗中的VTE早诊早治提供了数据驱动解决方案。

　　

静脉血栓栓塞(Venous Thromboembolism, VTE)作为重大公共卫生问题，每年在美国影响高达90万^?000人，其临床诊断存在显著挑战。延迟或漏诊会直接影响治疗效果并提升发病率与死亡率。这项回顾性研究创新性地整合了美国东北部大型综合医疗网络中结构化和非结构化电子健康记录(Electronic Health Record, EHR)数据，聚焦2019-2020年间在初级诊疗中出现至少一项VTE相关体征或症状的4678名成年患者。研究采用专家指导与数据驱动相结合的特征选择方法，最终确定了涵盖人口统计学、临床史和体征/症状的风险因子组合。

通过开发七种机器学习模型进行主要分析，所有模型均展现出0.83-0.88的曲线下面积(Area Under the Curve, AUC)，显示优异预测能力。其中逻辑回归模型在预测VTE事件中表现尤为突出，达到AUC 0.88（95% CI: 0.86-0.90）。研究识别出多项关键风险因素，包括癌症病史、吸烟史和脊髓损伤等。值得注意的是，及时诊断与延迟诊断预测模型中重要风险因素的差异，揭示了某些患者群体更易出现诊断延迟的现象。

这项研究凸显了利用结构化和非结构化EHR数据开发数据驱动工具的潜力，有助于在诊疗点实现VTE的及时检测。预测模型能准确评估VTE发生概率，特别是在延迟诊断病例中表现出色，展现出减少昂贵诊断延迟的临床价值。