患者と提供者の意思決定における実世界データの分析に使用される機械学習手法の系統的文献レビュー

背景：機械学習は、データから学習するためのさまざまな手法を包含する広範な用語です。これらの手法は、大規模な実世界データベースを患者と提供者の意思決定を支えるアプリケーションに迅速に変換することを可能にするかもしれません。方法：この系統的文献レビューは、患者と提供者レベルでの意思決定を支援するために使用された機械学習に関する発表された観察研究を特定するために実施されました。検索戦略が実施され、適格基準を満たす研究が2人の独立したレビュアーによって評価されました。研究デザイン、統計手法、および強みと限界に関連する関連データが特定され、研究の質はLuoチェックリストの修正版を使用して評価されました。結果：2014年1月から2020年9月までの34の出版物が特定され、このレビューのために評価されました。特定された研究には多様な手法、統計パッケージ、およびアプローチが使用されていました。最も一般的な手法には、決定木とランダムフォレストアプローチが含まれます。ほとんどの研究は内部検証を適用しましたが、外部検証を実施したのは2つだけでした。ほとんどの研究は1つのアルゴリズムを使用し、複数の機械学習アルゴリズムをデータに適用したのは8つの研究のみでした。Luoチェックリストの7つの項目は、発表された研究の50％以上で満たされませんでした。結論：患者と提供者の意思決定を支援するために、さまざまなアプローチ、アルゴリズム、統計ソフトウェア、検証戦略が機械学習手法の応用において使用されました。複数の機械学習アプローチが使用されること、モデル選択戦略が明確に定義されること、内部検証と外部検証の両方が必要であることを確認する必要があります。将来の作業では、複数の機械学習アルゴリズムを組み合わせたアンサンブル手法を常に使用するべきです。