Machine Learning Prediction of Discharge Destination in Patients with Parkinson’s Disease; A Nationwide Cohort Study

Araştırma özeti

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

Özet Arkaplan . Hastaneye yatırıldıktan sonra ev dışı akıntı Parkinson hastalığı (PD) olan hastalar arasında yaygındır ve olumsuz sonuçlarla ilişkilidir. Akut sonrası tesis bakımına ihtiyaç duyacak hastaların erken teşhisi, taburcu planlamayı artırabilir. Yöntemler . Kasım 2017 ve Haziran 2023 tarihleri arasında PD ile hastaneye yatırılan 50 yaş üstü yetişkinler de dahil olmak üzere ülke çapında bir sağlık veritabanı kullanarak retrospektif kohort çalışması yaptık. Her hastanın ilk hastaneye yatırılması indeks kabulü olarak tanımlandı. Deşarj varış yeri ev, tesis veya hastane içi ölüm olarak kategorize edildi. Veriler eğitim (%80) ve test (%20) setlerine ayrıldı. Tahliye varış yerini tahmin etmek için rastgele orman modelleri geliştirildi ve performans, alıcı işletim karakteristik eğrisinin (AUC) altındaki alan kullanılarak değerlendirildi. Elastik net lojistik regresyon modeli ek olarak tesis boşalması için geliştirilmiştir. Sonuçlar . 281.664 endeksli hastaneye yatış arasında %48,0'ı ev, %44,8'i bir tesise taburcu edildi ve %7,2'si hastanede öldü. Test setinde, rastgele orman modelleri ev boşalması için 0.775, tesis boşalması için 0.774 ve hastane içi ölüm için 0.832 AUC elde etti. Elastik bir net model 0.752 AUC elde etti ve yedi maddelik bir risk puanı (kırıklık geçmişi, demans, transfer kabulü, düşme geçmişi, medeni durum, sigorta türü, hastane bölgesi) düşük riskli grupta% 40,6 ile karşılaştırıldığında% 73,8 tesis deşarj oranına sahip yüksek riskli bir grup tespit etti. Sonuçlar . Ülke çapında iddia verilerini kullanan bu hastalığa özgü tahmin modeli, PD'li hastaneye yatırılan hastalarda taburcu olma hedefini belirledi. Basitleştirilmiş, yorumlanabilir bir risk skoru, kabulde erken risk katmanını sağlar ve multidisipliner deşarj planlamasını ve doğum sonrası bakım tahsisini kolaylaştırabilir.

Özgün kaynak özetini okuyun

Abstract Background . Non-home discharge after hospitalization is common among patients with Parkinson’s disease (PD) and is associated with adverse outcomes. Early identification of patients likely to require post-acute facility care may improve discharge planning. Methods . We conducted a retrospective cohort study using a nationwide healthcare database, including adults aged ≥50 years hospitalized with PD between November 2017 and June 2023. The first hospitalization of each patient was defined as the index admission. Discharge destination was categorized as home, facility, or in-hospital death. Data were split into training (80%) and testing (20%) sets. Random forest models were developed to predict discharge destination, and performance was evaluated using area under the receiver operating characteristic curve (AUC). An elastic net logistic regression model was additionally developed for facility discharge. Results . Among 281,664 index hospitalizations, 48.0% were discharged home, 44.8% to a facility, and 7.2% died in-hospital. In the test set, random forest models achieved AUCs of 0.775 for home discharge, 0.774 for facility discharge, and 0.832 for in-hospital death. An elastic net model achieved an AUC of 0.752, and a seven-item risk score (fracture history, dementia, transfer admission, fall history, marital status, insurance type, hospital region) identified a high-risk group with a 73.8% facility discharge rate, compared with 40.6% in the low-risk group. Conclusions . Using nationwide claims data, this disease-specific prediction model identified discharge destination in hospitalized patients with PD. A simplified, interpretable risk score enables early risk stratification at admission and may facilitate multidisciplinary discharge planning and post-acute care allocation.

Bilimsel değerlendirme

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.