文献

J-GLOBAL ID：202202275944129487   整理番号：22A1090826

電子健康記録を用いた大うつ病性障害における治療抵抗性の高いリスクでの個人の効率的同定【JST・京大機械翻訳】

Efficiently identifying individuals at high risk for treatment resistance in major depressive disorder using electronic health records

著者 (6件)： Lage Isaac (Harvard John A. Paulson School of Engineering and Applied Sciences, Harvard University, 29 Oxford Street, 1 Oxford St, Science Center, 316.04, Cambridge, MA 02138, USA) ,  McCoy Jr Thomas H. (Center for Quantitative Health, Massachusetts General Hospital, 185 Cambridge Street, 6th Floor, Boston, MA 02114, USA) ,  McCoy Jr Thomas H. (Harvard Medical School, 25 Shattuck Street, Boston, MA 02115, USA) ,  Perlis Roy H. (Center for Quantitative Health, Massachusetts General Hospital, 185 Cambridge Street, 6th Floor, Boston, MA 02114, USA) ,  Perlis Roy H. (Harvard Medical School, 25 Shattuck Street, Boston, MA 02115, USA) ,  Doshi-Velez Finale (Harvard John A. Paulson School of Engineering and Applied Sciences, Harvard University, 29 Oxford Street, 1 Oxford St, Science Center, 316.04, Cambridge, MA 02138, USA)
資料名： Journal of Affective Disorders  (Journal of Affective Disorders)
巻： 306  ページ： 254-259  発行年： 2022年 
JST資料番号： A1170A  ISSN： 0165-0327  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： 治療抵抗性欝病に対する証拠に基づく治療の出現により,疾患経過中の治療抵抗性のより大きなリスクの個人を同定する戦略は,臨床的有用性を有する。著者らは,電子健康記録からコード化された臨床データを用いて,主要な抑鬱障害における治療抵抗性を予測するモデルを開発して検証した。著者らは,インデックス抗欝薬処方を受けている主要な抑鬱障害の診断で,大きな健康システムから個人を同定し,治療抵抗性を経験する可能性のあるそれらを同定するために,リスク層別化モデルを構築するために,ツリーベースの機械学習分類器を使用した。得られたモデルを第二健康システムで検証した。2番目の健康システムにおいて,余分な樹木モデルは,0.652(95%CI:0.623-0.682)のAUCをもたらした。0.80で制約された感度で,特異性は0.358(95%CI:0.300~0.413)であった。上五分位のリフトは1.99(95%CI:1.76~2.22)であった。治療開始後4週間の追加データを含めることは,モデル性能を有意に改善しなかった。これらのモデルが追加の健康システムにわたって一般化する程度は,更なる研究を必要とする。電子健康記録は,治療抵抗性欝病のリスクの層別化を促進し,第2の健康システムへの一般化可能性を実証した。追加の手段を用いてそのようなモデルを改善し,実世界の臨床設定におけるそれらの性能を理解する努力が保証される。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *リスク ,  抗うつ薬 ,  層別 ,  モデル ,  *うつ病 ,  改変 ,  同定 ,  機械学習 ,  *電子カルテ
準シソーラス用語： *大うつ病性障害 ,  臨床データ ,  *治療抵抗性 ,  特異性 ,  リスク層別化 ,  難治性うつ病 ,  *うつ病性障害 , 【Automatic Indexing@JST】

著者キーワード (6件)： 治療抵抗性 ,  機械学習 ,  予測 ,  リスク層化 ,  抗うつ薬 ,  SSRI

分類 (2件)： 循環系の診断  (GJ02000V) ,  精神障害  (GR03000A)

タイトルに関連する用語 (6件)： 電子健康記録 ,  大うつ病性障害 ,  治療抵抗性 ,  リスク ,  個人 ,  同定