文献

J-GLOBAL ID：201702247228486906   整理番号：17A1566284

電子医療記録における利用可能なデータの回帰モデリングを用いた放射線医学におけるノーショーを予測する【Powered by NICT】

Predicting No-Shows in Radiology Using Regression Modeling of Data Available in the Electronic Medical Record

著者 (15件)： Harvey H. Benjamin (Massachusetts General Hospital Department of Radiology, Boston, Massachusetts) ,  Harvey H. Benjamin (Massachusetts General Hospital Institute for Technology Assessment, Boston, Massachusetts) ,  Harvey H. Benjamin (Harvard Medical School, Boston, Massachusetts) ,  Liu Catherine (Massachusetts General Hospital Department of Radiology, Boston, Massachusetts) ,  Liu Catherine (Harvard Medical School, Boston, Massachusetts) ,  Ai Jing (Massachusetts General Hospital Department of Radiology, Boston, Massachusetts) ,  Ai Jing (Harvard Medical School, Boston, Massachusetts) ,  Jaworsky Cristina (Massachusetts General Hospital Department of Radiology, Boston, Massachusetts) ,  Jaworsky Cristina (Harvard Medical School, Boston, Massachusetts) ,  Guerrier Claude Emmanuel (Massachusetts General Hospital Department of Radiology, Boston, Massachusetts) ,  Guerrier Claude Emmanuel (Harvard Medical School, Boston, Massachusetts) ,  Flores Efren (Massachusetts General Hospital Department of Radiology, Boston, Massachusetts) ,  Flores Efren (Harvard Medical School, Boston, Massachusetts) ,  Pianykh Oleg (Massachusetts General Hospital Department of Radiology, Boston, Massachusetts) ,  Pianykh Oleg (Harvard Medical School, Boston, Massachusetts)
資料名： Journal of the American College of Radiology  (Journal of the American College of Radiology)
巻： 14  号： 10  ページ： 1303-1309  発行年： 2017年 
JST資料番号： W3219A  ISSN： 1546-1440  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 電子医療記録(EMR)で利用可能なデータ要素を予定放射線検査に破壊を予測するために効果的に活用できるかどうかを試験すること。大規模な大学医療センターからのデータを用いて,2016年1月1日から予定画像診断検査のすべての患者を同定し,2016年4月1日し,患者は検査に参加した成功かどうかを決定した。出席に関連した潜在的にEMRで利用可能な人口統計学的,臨床的,および健康サービス利用変数を各患者について記録した。はこれらのデータ要素を予定放射線検査に失敗を予測できるかどうかを調べるために記述統計およびロジスティック回帰モデルを使用した。回帰モデルの予測精度を受信者動作曲線下面積を計算することにより決定した。研究期間中に予定されている放射線検査の54,652患者予約のうち,6.5%がやって来ないした。誇示しない速度は乳房撮影とCTの様式で最高であり,PETおよびMRIのための最低であった。ロジスティック回帰は27人口統計学的,臨床的,および健康サービス利用率の16は有意に予定されている放射線検査(P≦.05)を参加の失敗と関連していたことを示した。段階的ロジスティック回帰分析は以前現れない乗客,スケジューリングと予約日,モダリティ型,保険型であった現れないの予測最も強いことを示した。すべての十六のデータ要素を考慮したモデルは,放射線医学不参客を予測する優れた能力を持っていた(受信者動作曲線下面積=0.753)。これらのモデルがこの方法によって分析するときの予測能力は同等または改善された。EMRで容易に入手可能な患者および検査情報放射線不参客を予測するために使用することに成功した。先に進むと,この情報は現れない乗客を避けるために予約票または他の標的介入を通じた追加患者関与の恩恵があるかもしれない患者を同定するために積極的に活用できる。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *放射線医学 ,  *モデリング ,  乗客 ,  *予測 ,  乳房撮影 ,  放射線検査 ,  治療法 ,  血中濃度-時間曲線下面積 ,  患者 ,  *電子カルテ ,  *放射線 ,  回帰モデル ,  *病歴
準シソーラス用語： ロジスティック回帰分析 ,  予約 ,  人口統計学 , 【Automatic Indexing@JST】

著者キーワード (5件)： 誇示しない ,  失われた治療の機会 ,  見逃された指定 ,  回帰 ,  モデリング

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (4件)： 電子医療記録 ,  回帰モデリング ,  放射線医学 ,  予測