Einsatz von Machine-Learning-Techniken zur Fallermittlung von Varizellen-Zoster unter Verwendung von regelmäßig gesammelten textuellen ambulanten Aufzeichnungen: Pilot-Studie

HINTERGRUND: Die Erkennung von Infektionskrankheiten durch die Analyse von Freitext in elektronischen Gesundheitsberichten (EHRs) kann schnelle und präzise Hintergrundinformationen für die Umsetzung von Präventionsmaßnahmen, wie die Werbung und die Überwachung der Wirksamkeit von Impfkampagnen, liefern. ZIEL: Ziel dieser Arbeit ist es, Machine-Learning-Techniken in ihrer Anwendung auf die EHR-Analyse zur Krankheitsdetektion zu vergleichen. METHODEN: Die Pedianet-Datenbank wurde als Datenquelle für ein reales Szenario zur Identifizierung von Varizellenfällen verwendet. Die Trainings- und Testsets der Modelle basierten auf Datensätzen von zwei verschiedenen italienischen Regionen (Venetien und Sizilien) mit 7631 Patienten und 1.230.355 Aufzeichnungen sowie 2347 Patienten und 569.926 Aufzeichnungen, für die ein Goldstandard der Varizellendiagnose verfügbar war. Elastic-net regularisierte verallgemeinerte lineare Modelle (GLMNet), Maximum Entropie (MAXENT) und LogitBoost (Boosting)-Algorithmen wurden in einer überwachten Umgebung implementiert und 5-fach validiert. Die vom Trainingsset generierte Dokumenten-Term-Matrix umfasst ein Wörterbuch von 1.871.532 Tokens. Die Analyse wurde auf einem Teilset von 29.096 Tokens durchgeführt, was einer Matrix mit einem Sparsamkeitsverhältnis von maximal 99 % entspricht. ERGEBNISSE: Die höchsten prädiktiven Werte wurden durch Boosting erzielt (positiver prädiktiver Wert PPV 63,1, 95 % CI 42,7-83,5 und negativer prädiktiver Wert NPV 98,8, 95 % CI 98,3-99,3). GLMNet lieferte eine überlegene prädiktive Fähigkeit im Vergleich zu MAXENT (PPV 24,5 % und NPV 98,3 % vs. PPV 11,0 % und NPV 98,0 %). MAXENT- und GLMNet-Vorhersagen stimmen nur schwach überein (Übereinstimmungskoeffizient 1 AC1=0,60, 95 % CI 0,58-0,62), ebenso wie mit LogitBoost (MAXENT: AC1=0,64, 95 % CI 0,63-0,66 und GLMNet: AC1=0,53, 95 % CI 0,51-0,55). FAZIT: Boosting hat vielversprechende Ergebnisse bei der Identifikation von Infektionskrankheiten auf Basis von großen EHR-Daten gezeigt.