将健康问题社会决定因素:最简单的解决方案可能会给最好的结果

医疗只占一小部分的一个人的整体健康和健康,但外部因素,如社会经济地位和获得食物难以捕捉和利用在医疗系统。机器学习模型或许能帮助消除这一差距。印第安纳大学研究Regenstrief研究所和理查德·m·费尔班克斯公共卫生学院的显示,使用最基本的原始数据创建最好的初级保健医生的风险预测模型来识别患者可能需要一些帮助。

“有这么多数据可用的社会决定因素健康,但面临的挑战是把它变成什么医疗服务提供者约书亚说:“可以使用项目负责人r .背心,博士,英里,Regenstrief研究科学家和IU费尔班克斯公共卫生学院的教授。“我们的分析结果显示最简单的方法来创建一个预测模型可能是最有效的。”

研究小组的表现相比六个地区健康问题社会决定因素测量方法创建一个算法预测病人转诊社会工作者参观后初级护理和住院。他们测试了算法的数据来自近210000个病人中遇到Eskenazi健康,一个安全网医疗体系在印第安纳波利斯,印第安纳州。

他们发现几个人地区使用的模型组件,如原始数据在住房、收入和教育,创造了最准确的预测模型。其他模型结合住房和其他组件创建一个更大的图像测量,这是更复杂的和不准确识别那些可能处于危险之中。

“这项研究表明,使用原始数据是一个可行的解决方案创建一个推荐模型,“背心博士说。“可能会有需要开发更复杂的模型在未来,但这可能是一个强大的起点卫生系统开始利用健康问题社会决定因素,尤其是系统,可能会有更少的资源。”

这项研究接下来的步骤是确定这种方法适用于社会工作以外的情况下推荐和住院预测和观察额外的数据可以被添加到该算法。

“选择测量方法地区健康问题社会决定因素和风险预测模型性能”发表在网上健康和社会保健信息学。