[论文解读] Building Classifiers to Predict the Start of Glucose-Lowering Pharmacotherapy Using Belgian Health Expenditure Data

Marc Claesen, Frank De Smet+3 more|arXiv (Cornell University)|Apr 28, 2015

Chronic Disease Management Strategies被引用 7

一句话总结

本研究利用仅历史医疗支出数据——具体为药物购买和医疗服务使用情况——开发了机器学习分类器，以预测比利时患者开始使用降糖药物治疗的时间，AUC得分在74.9%至76.8%之间，表明在无临床或生活方式数据的情况下，基于人群的2型糖尿病风险预测是可行的。

ABSTRACT

Early diagnosis is important for type 2 diabetes (T2D) to improve patient prognosis, prevent complications and reduce long-term treatment costs. We present a novel risk profiling approach based exclusively on health expenditure data that is available to Belgian mutual health insurers. We used expenditure data related to drug purchases and medical provisions to construct models that predict whether a patient will start glucose-lowering pharmacotherapy in the coming years, based on that patient's recent medical expenditure history. The design and implementation of the modeling strategy are discussed in detail and several learning methods are benchmarked for our application. Our best performing model obtains between 74.9% and 76.8% area under the ROC curve, which is comparable to state-of-the-art risk prediction approaches for T2D based on questionnaires. In contrast to other methods, our approach can be implemented on a population-wide scale at virtually no extra operational cost. Possibly, our approach can be further improved by additional information about some risk factors of T2D that is unavailable in health expenditure data.

研究动机与目标

• 开发一种可扩展、低成本的方法，用于识别有高风险开始使用降糖药物治疗的患者。
• 仅利用保险公司可获取的常规医疗支出数据，无需患者问卷或临床测量。
• 评估此类数据是否能实现与基于已知2型糖尿病风险因素的传统风险模型相当的预测性能。
• 通过自动化、全人群筛查实现早期干预，支持有针对性的临床随访。

提出的方法

• 从匿名化的医疗支出数据中构建患者层面的特征，包括ATC编码的药物购买记录和医疗程序代码（provs）。
• 应用向量化技术，将药物和医疗服务使用模式编码为固定长度的特征向量。
• 在历史支出数据上训练多种监督分类器，包括RESVM（正则化集成SVM），以预测未来GLA（降糖药物）治疗的启动。
• 使用ROC曲线和精确率-召回率曲线评估模型性能，通过重采样和置信区间处理类别不平衡问题。
• 通过平均RESVM集成中线性基模型的系数，进行特征重要性分析，以识别关键预测因子。
• 在多种学习算法和特征表示之间进行基准测试，以确定最优配置。

实验结果

研究问题

• RQ1 仅依靠医疗支出数据，能否以具有临床意义的准确度预测未来降糖药物治疗的启动？
• RQ2 与依赖临床或生活方式数据的传统风险预测模型相比，其性能如何？
• RQ3 药物和医疗服务使用中的哪些模式最能预测未来的2型糖尿病诊断或治疗启动？
• RQ4 在药物数据之外引入医疗程序代码，能在多大程度上提升模型性能？
• RQ5 该方法是否可实现大规模部署，且运营成本极低，无需额外患者互动？

主要发现

• 表现最佳的模型——采用ATC|provs向量化方式的RESVM——AUC在74.9%至76.8%之间。
• 该模型的性能与使用问卷或临床数据的先进2型糖尿病风险预测工具相当。
• 心血管药物使用（ATC主类别'C'）成为最重要的预测因子，反映了其与2型糖尿病已知的共病关联。
• 尽管缺乏身体质量指数、家族史或生活方式习惯等关键风险因素的直接信息，该方法依然有效。
• 该方法可实现全自动、大规模的风险筛查，增量成本接近于零，适合集成到健康保险公司工作流程中。
• 特征重要性分析表明，药物和医疗服务使用模式中蕴含着对未来的GLA使用具有强预测能力的信号。