Resumen

La adopción generalizada de las historias clínicas electrónicas (HCE) y los objetivos de uso significativo han aumentado las oportunidades para las aplicaciones predictivas basadas en datos en la atención sanitaria. Estas aplicaciones de apoyo a la toma de decisiones suelen estar alimentadas por datos de pacientes a gran escala, heterogéneos y multinivel (es decir, definidos en niveles jerárquicos de especificidad) que suponen un reto para el desarrollo de modelos predictivos. Nuestro objetivo es desarrollar y evaluar un enfoque para especificar de forma óptima datos de pacientes multinivel para problemas de predicción. Presentamos un marco computacional evolutivo general para especificar de forma óptima datos multinivel para predecir resultados de pacientes individuales. Evaluamos este método tanto para aplanar (un solo nivel) como para retener la estructura jerárquica del predictor (múltiples niveles) utilizando datos recogidos para predecir resultados críticos de pacientes de urgencias en cinco poblaciones. Encontramos que el rendimiento tanto de las estructuras de predicción aplanadas como jerárquicas en la predicción de resultados críticos para pacientes del servicio de urgencias mejora con respecto a los modelos de referencia para los que sólo se utiliza un único nivel de predictor, ya sea más general o más específico (p<0,001). Nuestro marco para optimizar la especificidad de los datos multinivel mejora las estructuras de predicción de un solo nivel más tradicionales y puede adaptarse fácilmente a problemas similares en la atención sanitaria y otros ámbitos.

• Materias:Señales orofaciales Clasificación del cáncer Terapia de exposición Resonancias magnéticas Medicina de precisión
• Subjects:Orofacial signals Cancer classification Exposure therapy Magnetic resonance imaging Precision medicine
• Palabras claves:pacientes de urgencias, resultados críticos, datos multinivel, nivel único, marco computacional evolutivo general, aplicaciones de apoyo a la toma de decisiones, historias clínicas electrónicas, estructura jerárquica de predictores, estructuras jerárquicas de predictores, resultados de pacientes individuales
• Keywords:emergency department patients, critical outcomes, multilevel data, single level, general evolutionary computational framework, decision support applications, electronic health records, hierarchical predictor structure, hierarchical predictor structures, individual patient outcomes