机构名称：
¥ 1.0
目的：开发非增殖性糖尿病性视网膜病（NPDR）进展的模型，以增殖性糖尿病性视网膜病（PDR），并确定合并更新的信息是否改善了模型性能。设计：回顾性队列研究。参与者：来自加利福尼亚大学旧金山大学（UCSF）的第三级学术中心的电子健康记录（EHR）数据，以及扎克伯格旧金山总医院（ZSFG）医院的安全网医院不能用来识别NPDR诊断，年龄诊断为1或2型糖尿病的诊断，诊断为1或2型糖尿病的诊断。索引日期之前的PDR（EHR中首次NPDR诊断的日期）。方法：开发了四个生存模型：COX比例危害，具有向后选择的COX，具有套索回归的Cox和随机生存林。对于每个模型，比较了三个变量集，以确定包括更新的临床信息的影响：静态0（静态日期的数据），静态6M（索引日期后6个月进行了静态更新）和动态（在6个月期间静态0加数据和数据更改中的数据更改）。将UCSF数据分为80％的培训和20％的测试（内部验证）。ZSFG数据用于外部验证。模型性能由Harrell的一致性指数（C-Index）评估。主要结果指标：PDR的时间。结果：UCSF队列包括1130名患者，92例（8.1％）患者发展为PDR。ZSFG队列包括687例患者和30名患者（4.4％）患者。所有模型在内部验证中类似地执行（C-Indices W 0.70）。带有静态6m集的随机生存森林在外部验证中表现最好（C-Index 0.76）。保险和年龄都被所有模型选择或排名为非常重要的。其他关键预测因子是NPDR严重程度，糖尿病神经病，中风数量，平均血红蛋白A1C和住院次数。结论：我们将NPDR进展为PDR的模型实现了可接受的预测性能，并在外部环境中得到了很好的验证。使用新的临床信息更新基线变量并不能始终如一地提高预测性能。财务披露：参考文献后可以找到专有或商业披露。眼科科学2023; 3：100276ª2023撰写的美国眼科学会。这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。
开发和验证模型，以预测增生性糖尿病性视网膜病的进展
主要关键词
相关文件推荐
