《JACC: Case Reports》：Validation of an Electronic Health Record Model for Unplanned Readmission in Patients With Heart Failure
编辑推荐：
摘要背景风险评分旨在预测30天内心力衰竭（HF）再住院率。项目立项依据现有的模型，包括Epic的"30天非计划再住院风险"模型，显示出低至中等的区分能力（曲线下面积：0.59-0.72）。项目概述本研究的目的是创建一种可通过电子健康记录（EHR）自动化的30天心力衰竭再住院风
摘要
背景
风险评分旨在预测30天内心力衰竭（HF）再住院率。
项目立项依据
现有的模型，包括Epic的"30天非计划再住院风险"模型，显示出低至中等的区分能力（曲线下面积：0.59-0.72）。
项目概述
本研究的目的是创建一种可通过电子健康记录（EHR）自动化的30天心力衰竭再住院风险计算器；检验Epic模型在预测30天心力衰竭再住院风险方面的准确性；并对这两种模型进行比较。为推导我们可EHR自动化的模型，我们使用机器学习方法，首先对30天心力衰竭风险预测模型进行了系统综述。然后我们比较了Epic模型的预测能力与我们模型的预测能力。Epic模型的C统计量为0.74，而推导出的EHR风险评分C统计量为0.76（P = 0.41），表明两者性能相当。
关键信息
风险评分是实现个性化医疗的基础，有助于将资源优先分配给最需要的患者。尽管两种模型在预测30天心力衰竭再住院方面均表现出中等区分能力，但独立推导的模型为未来的改进提供了平台，例如纳入基于心电图的人工智能诊断技术。
Kaitlyn Withers|Zachary Wright|David Herrington|Joseph Rigdon|Priyesh Patel|Oguz Akbilgic|Brian White|Ibrahim Karabayir|Olivia Gilbert
