SCIENTIFIC HUB

Araştırmanın izini sürün.

SCIENTIFIC LITERATURE · MED

Demans risk analizi, büyük bir gerçek dünya veri kümesinde zamansal olay modellemesini kullanır.

Dementia risk analysis using temporal event modeling on a large real-world dataset.

Makine çevirisi · Editoryal inceleme bekliyor

Sci Rep · 2023-12-18

DOI: 10.1038/s41598-023-49330-8PMID: 38114545

Open accessresearch-article; Journal ArticleKaynağa git ↗

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Çalışmanın amacı, büyük bir gerçek dünya veri kümesinden demans teşhisine yol açan sağlık olaylarını tanımlamaktır. Bu çalışma, elektronik sağlık kaydındaki (EHR) sağlık kodlarının zamansal olarak sıralanmış çiftlerini ve yörüngelerini tanımlamak için veri odaklı bir yaklaşım kullanmaktadır. Bu, aksi takdirde açık olmayan bir ilgi sonucuna yol açan yeni zamansal risk faktörlerinin keşfedilmesini sağlar. Bilinen birkaç (Down sendromu RR = 116.1, tiamin eksikliği RR = 76.1 ve Parkinson hastalığı RR = 41.1) ve bilinmeyen (Brief psikotik bozukluğu RR = 68.6, metallerin toksik etkisi RR = 40.4 ve Schizoaffektif bozukluklar RR = 40.0) spesifik demans teşhisi için faktörler tespit ettik. Herhangi bir demans teşhisi için en büyük riske sahip olan ilişkilerin öncelikle ruh sağlığı (Brief psikotik bozukluğu RR = 266.5, Dissosiyatif ve dönüşüm bozuklukları RR = 169.8) veya nörolojik koşullar veya prosedürlerle (Dystonia RR = 121.9, Lumbar Puncture RR = 119.0) ilişkili olduğu bulunmuştur. Yörünge ve kümeleme analizinde serebrovasküler bozukluklarla ilgili faktörlerin yanı sıra toksik dengesizlik riskini artıran tanılar tespit edildi. Bu çalışmanın sonuçları, demansa doğru potansiyel hasta ilerlemesi hakkında değerli bilgiler sağlama ve demans geliştirme riski taşıyan hastaların tanınmasını iyileştirme yeteneğine sahiptir.

Özgün kaynak özetini okuyun

The objective of the study is to identify healthcare events leading to a diagnosis of dementia from a large real-world dataset. This study uses a data-driven approach to identify temporally ordered pairs and trajectories of healthcare codes in the electronic health record (EHR). This allows for discovery of novel temporal risk factors leading to an outcome of interest that may otherwise be unobvious. We identified several known (Down syndrome RR = 116.1, thiamine deficiency RR = 76.1, and Parkinson's disease RR = 41.1) and unknown (Brief psychotic disorder RR = 68.6, Toxic effect of metals RR = 40.4, and Schizoaffective disorders RR = 40.0) factors for a specific dementia diagnosis. The associations with the greatest risk for any dementia diagnosis were found to be primarily related to mental health (Brief psychotic disorder RR = 266.5, Dissociative and conversion disorders RR = 169.8), or neurologic conditions or procedures (Dystonia RR = 121.9, Lumbar Puncture RR = 119.0). Trajectory and clustering analysis identified factors related to cerebrovascular disorders, as well as diagnoses which increase the risk of toxic imbalances. The results of this study have the ability to provide valuable insights into potential patient progression towards dementia and improve recognition of patients at risk for developing dementia.

Bilimsel değerlendirme

01

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

02

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

03

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

04

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.