今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

利用关联的初级和二级护理电子健康记录数据,通过无监督机器学习识别跌倒高风险患者群体

《Scientific Reports》:Identifying high-risk patient clusters for falls using unsupervised machine learning on linked primary and secondary care electronic health record data

【字体: 大 中 小 】 时间:2026年07月07日 来源:Scientific Reports 4.9

编辑推荐:

  摘要跌倒风险是由多种因素共同导致的,包括临床因素和社会人口学因素。尽管相关指南已认识到这种复杂性,但大多数研究都集中在个体风险因素上,而对多种疾病共同作用所带来的影响研究相对较少。这项针对全体人群的研究利用初级和二级医疗机构之间的电子健康记录,通过无监督聚类分析,识别出伦敦西北部

  

摘要

跌倒风险是由多种因素共同导致的,包括临床因素和社会人口学因素。尽管相关指南已认识到这种复杂性,但大多数研究都集中在个体风险因素上,而对多种疾病共同作用所带来的影响研究相对较少。这项针对全体人群的研究利用初级和二级医疗机构之间的电子健康记录,通过无监督聚类分析,识别出伦敦西北部地区的跌倒风险群体,并根据患者需要因跌倒而接受住院治疗的可能性对她们进行分类。我们使用编码后的跌倒风险因素,对来自伦敦西北部普通诊所的患者的记录进行了聚类分析。将不同聚类组与因跌倒而住院治疗的风险进行比较。在四个识别出的聚类组中,有两组年龄较大且患有多种疾病的患者,因跌倒而住院治疗的可能性是其他患者的11倍(风险比11.45,95%置信区间为10.14–12.92;风险比11.63,95%置信区间为10.30–13.13),而且他们的平均住院时间也明显长于那些较年轻、身体状况较好的患者。在另外两个较年轻的聚类组中,生活条件较差的患者因跌倒而住院治疗的可能性高出29%(风险比1.29,95%置信区间为1.12–1.49)。这些研究结果表明,通过对常规收集的电子健康记录进行聚类分析,可以识别出最容易因跌倒而需要住院治疗的人群群体,从而有助于制定更加有针对性的多因素风险评估和预防策略。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:跌倒风险|老年人群|疾病共病|电子健康记录|住院治疗|多因素预防

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号