XiaoMi-AI文件搜索系统
World File Search SystemCPCSSN
CPCSSN案例定义2022-Q4
版权通知：除非另有说明，否则本出版物中包含的所有材料，包括内容，文本和图形均为加拿大初级保健前哨监视网络（CPCSSN）的版权，根据加拿大的版权法和所有适用法规保留的所有权利。本出版物中包含的案例定义可用于从事与研究，私人研究，批评，审查或新闻报道有关的某些活动，并对CPCSSN（包括材料的来源）以及作者的名称进行了适当的认可。用于将案例定义或本出版物用于商业或其他目的，该商业或其他目的未涵盖《版权法》的公平交易规定，请联系：popyright@cpcssn.org。
大数据（例如 CPCSSN）如何改变初级保健
▪ 7 个省、1 个地区的 11 个 PBRN ▪ 与以下组织建立牢固的合作伙伴关系：• 家庭医生学院 • 加拿大公共卫生署 • 加拿大糖尿病行动 • 加拿大军事与退伍军人健康研究所 • 加拿大虚弱网络
在2015年和2020年在加拿大初级保健中2型糖尿病患者中的治疗靶标的
研究设计和数据来源我们使用国家糖尿病存储库（NDR）（NDR）对加拿大2型糖尿病患者进行了横断面研究，其中包含有关来自加拿大主要护理前哨网络参与网络的糖尿病患者的电子病历（EMR）数据。17 CPCSSN是最大，唯一的加拿大EMR数据库，包括学术界（19％）和非学术（81％）设置的全服务初级保健诊所的省级网络。18使用经过验证的病例定义（2个帐单或1条与国际疾病分类的健康状况，第九修订[ICD-9]代码250；敏感性为95.6％，特异性为97.1％）。19在NDR中，类似的人类生活在农村地区，作为对2011年加拿大人口普查的受访者，药物处方模式与使用大型国家调查估计的人相似。20除了具有物理测量和实验室价值外，65岁以下的成年人的处方可用性比基于索赔的省级数据集具有明显的优势。我们选择了2015年和2020年作为研究年份，因为它们在2013年的加拿大研究之后提供了最新数据。6，我们在6月30日的NDR Alive中包括了所有研究
带有时间功能的人工智能在预测糖尿病中优于机器学习
2型糖尿病越来越被称为现代可预防的大流行，因为即使有出色的可用治疗方法，糖尿病并发症的速度也迅速增加。预测糖尿病并在早期阶段识别糖尿病可以使其更容易预防，从而使足够的时间在失控之前实施疗法。具有深度学习的纵向电子病历（EMR）数据具有巨大的糖尿病预测潜力。 本文研究了深度学习模型的预测能力与最先进的机器学习模型相反，以结合风险的时间维度。 拟议的研究研究了各种深度学习模型和预测糖尿病的特征。 对模型性能进行了评估，并与主要特征，风险因素，训练数据密度和访问历史相比进行了比较。 该框架是在从加拿大初级保健前哨监视网络（CPCSSN）中提取的19k超过19K患者的纵向EMR记录实施的。 经验发现表明，深度学习模型始终优于其他最先进的竞争者，预测准确性高于91％，而不会过分拟合。 空腹血糖，血红蛋白A1C和体重指数是未来糖尿病发作的关键预测指标。 超重，中年患者和高血压患者更容易患糖尿病，这与已经知道的糖尿病一致。 模型性能会随着训练数据密度或患者的访问历史的增加而提高。具有深度学习的纵向电子病历（EMR）数据具有巨大的糖尿病预测潜力。本文研究了深度学习模型的预测能力与最先进的机器学习模型相反，以结合风险的时间维度。拟议的研究研究了各种深度学习模型和预测糖尿病的特征。对模型性能进行了评估，并与主要特征，风险因素，训练数据密度和访问历史相比进行了比较。该框架是在从加拿大初级保健前哨监视网络（CPCSSN）中提取的19k超过19K患者的纵向EMR记录实施的。经验发现表明，深度学习模型始终优于其他最先进的竞争者，预测准确性高于91％，而不会过分拟合。空腹血糖，血红蛋白A1C和体重指数是未来糖尿病发作的关键预测指标。超重，中年患者和高血压患者更容易患糖尿病，这与已经知道的糖尿病一致。模型性能会随着训练数据密度或患者的访问历史的增加而提高。这项研究证实了LSTM深度学习模型将风险时间维度纳入其预分类能力的能力。