院外心脏骤停结局中的种族和社会经济差异：人工智能增强的倾向评分和地理空间队列分析（3,952例患者）

引言：院外心脏骤停（OHCA）结局中的社会差异是可预防的、代价高昂且不公正的。我们试图对多年、多中心的OHCA结局（发生率和不良神经功能结局）进行首次大规模人工智能(AI)引导的统计和地理信息系统(GIS)分析。方法：我们对前瞻性收集的多中心数据集进行回顾性队列分析，该数据集包含2007年1月1日至2016年1月1日期间依次就诊于休斯顿大都会区医院的成年患者。随后进行了基于AI的机器学习（反向传播神经网络）增强的多变量回归和GIS热力图绘制。结果：在38家医院的3,952例OHCA患者中，非裔美国人最有可能发生OHCA，尽管其人口比例显著较低（42.6%对22.8%；p < 0.001）。与白人相比，他们更有可能出现不良神经功能结局（OR 2.21，95%CI 1.25–3.92；p=0.006），并且更有可能被送往机构而非回家（OR 1.39，95%CI 1.05–1.85；p=0.023）。与主要服务较贫困非裔美国人的安全网医院系统相比，主要服务较高收入的商业和医疗保险患者大学的大学医院死亡率最低（OR 0.45, p < 0.001）。家庭收入中位数每增加10,000美元，每个邮政编码的心脏骤停总数减少2.86例（95%CI -4.26- -1.46；p < 0.001）；家庭收入中位数高于54,600美元的邮政编码与联邦贫困线相比，心脏骤停减少14.62例（p < 0.001）。GIS地图显示，不良神经结局病例密度较大的地区与较贫困非裔美国人居住密度较大的地区重叠。结论：这项大型、纵向AI引导的分析在统计和地理上确定了OHCA结局中的种族和社会经济差异，这可能有助于针对性的医疗和公共卫生协调努力，以改善临床、成本和社会公平结局。