导读 风险计算器用于评估数百万患者的疾病风险，因此其准确性至关重要。但是，当国家模型适应当地人群时，它们往往会恶化，失去准确性和可解释性...
风险计算器用于评估数百万患者的疾病风险，因此其准确性至关重要。但是，当国家模型适应当地人群时，它们往往会恶化，失去准确性和可解释性。
布莱根妇女医院(麻省总医院布莱根医疗系统的创始成员之一)的研究人员使用先进的机器学习来提高国家心血管风险计算器的准确性，同时保留其可解释性和原始风险关联。
他们的研究结果显示，麻省总医院布莱根分部的电子健康记录队列总体准确率更高，并将大约十分之一的患者重新归类到不同的风险类别，以便做出更精确的治疗决定。研究结果发表在《美国医学会杂志心脏病学》上。
“风险计算器非常重要，因为它们是医疗服务提供者和患者之间关于风险预防的对话中不可或缺的一部分，”第一作者、布莱根妇女医院内科住院医师Aniket Zinzuwadia 医学博士说。
“但有时，当将这些全球计算器应用于当地人口时，由于地区性质的不同，会出现固有的变化 - 无论是不同的人口特征，不同的医生执业模式还是不同的风险因素 - 因此我们希望找到一种方法，以安全的方式在现有基础上为当地人群量身定制基础心血管疾病风险模型。”