患者识别与数据集构建
识别具有DAS28-CRP测量的RA患者，并构建用于模型训练和验证的目标月数据集。
从MGB BRASS和VA VARA注册中心纳入至少一次DAS28-CRP测量的RA患者，将测量值按时间映射到月份，并以DAS28-CRP 3.2为阈值将疾病活动二分类为中等-高活动与缓解-低活动。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
从跨医疗系统的电子健康记录中推断类风湿关节炎疾病活动状态
Inferring Rheumatoid Arthritis Disease Activity Status From the Electronic Health Records Across Health Systems
实验完整度
高研究包含两个独立医疗系统的EHR数据，并使用注册中心DAS28-CRP作为金标准，进行模型训练与验证，同时进行跨机构外部验证和下游MACE关联分析，实现多层级验证。
主要模型
MGB BRASS注册队列 VA VARA注册队列
重点核对
DAS28-CRP测量时间点及目标月定义：需核对目标月内多次评估时的中位数处理方式 特征窗口：目标月前后3个月内的EHR特征汇总范围 模型训练/验证数据划分：2009年前数据用于特征筛选，2009年后数据用于训练和验证（80%训练，20%验证） 机构内模型阈值：MGB 0.35，VA 0.36用于定义中等-高疾病活动状态
摘要
目的。疾病活动在类风湿关节炎（RA）临床研究中具有核心作用。现实世界电子健康记录（EHR）数据中疾病活动的不一致可用性限制了现实世界证据（RWE）的产生。本研究旨在开发和验证可扩展的机器学习（ML）模型，以从EHR数据中推断RA疾病活动。方法。我们使用了来自Mass General Brigham（MGB）和退伍军人事务部（VA）的EHR数据，这些数据与各自的前瞻性收集28关节疾病活动评分（DAS28）的RA注册中心相关联。算法的特征从EHR中提取，包括结构化数据（如ICD代码）和通过自然语言处理（NLP）提取的叙述性数据。ML模型在注册中心收集的DAS28上训练。确定了机构内训练模型的性能和跨系统的可移植性。为评估表面效度，我们使用分层Cox模型测试了推断的疾病活动与主要不良心血管事件（MACE）之间的关联。结果。我们研究了1105名MGB和2631名VA RA患者。使用结构化数据模型的AUC为0.68-0.70；结合结构和NLP的模型达到了更高的性能（MGB AUC=0.843；VA AUC=0.833）。跨站点验证显示可移植性降低（MGB→VA AUC=0.679；VA→MGB AUC=0.718）。在机构内，推断的疾病活动与MACE事件风险增加显著相关（MGB：HR=1.12；VA：HR=1.14）。结论。可以从机构内EHR数据大规模推断RA疾病活动，但跨机构性能受限。推断的疾病活动复制了RA与MACE之间的关联，支持其在未来研究中用于生成RWE。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 能否从电子健康记录（EHR）的结构化和叙述性数据中开发机器学习模型，以在特定时间点推断类风湿关节炎（RA）患者的疾病活动状态，并在机构内和跨机构间验证其性能？
- 核心机制
- 疾病活动状态可通过EHR中记录的患者人口统计学、诊断、用药、实验室指标及临床叙述中的相关概念（如关节压痛、疾病控制等）进行预测，其中NLP提取的叙述性特征对模型性能提升最为显著。
- 主要证据
- 在MGB（AUC=0.843）和VA（AUC=0.833）的注册队列中，结合结构和叙述性特征的模型达到最佳判别性能；但跨机构验证时AUC下降至约0.68-0.72，表明模型跨机构可移植性有限。
- 研究意义
- 该研究提供了一种从EHR数据推断RA疾病活动的方法，有助于在缺乏DAS28等直接测量数据的大规模EHR队列中生成现实世界证据（RWE），可用于后续关联研究及临床试验模拟。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
EHR特征提取与筛选
从EHR中提取并筛选与疾病活动相关的结构化、实验室及叙述性特征。
提取人口统计学、RA相关诊断/程序/药物/实验室代码，标准化实验室值（CRP、ESR、anti-CCP、RF），并通过NLP从临床笔记中提取疾病活动相关概念（UMLS CUIs）。对每个候选特征拟合多变量逻辑回归（调整年龄、性别、种族和医疗利用率），筛选p≤0.1且患病率>5%的特征用于模型训练。
机器学习模型训练与验证
训练模型并评估其在机构内和跨机构间的预测性能。
使用Super Learner集成算法（包含均值、随机森林、XGBoost和神经网络）训练模型，预测中等-高疾病活动的概率。在机构内随机抽取80%的目标月作为训练集，20%作为验证集；跨机构时使用一个机构的所有目标月训练，在另一机构验证，并使用两组共有的特征。评估指标包括AUC和校准图。
下游关联分析（MACE）
验证模型在更广泛EHR队列中的实用性，通过复制已确立的疾病活动与MACE的关联。
在MGB（n=16,553）和VA（n=72,847）的EHR RA患者中，应用机构内训练模型推断首次风湿病门诊就诊月份的中等-高疾病活动状态，使用指定阈值（MGB 0.35，VA 0.36）。然后使用Kaplan-Meier曲线和分层Cox模型估计推断状态与后续MACE风险的关联。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 自然语言处理 | ONCE工具 | -- | -- |
| 数据标准化 | PheWAS目录 | -- | -- |
| 医疗保健成本与利用项目 | -- | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 研究人群与数据来源 | RA患者识别使用ICD-9/10代码（ICD-9: 714.X；ICD-10: M06.9及本地代码），且为注册中心参与者；需核对注册中心数据年份（MGB: 2003-2019；VA: 2003-2020） 阅读提示：在文章Methods的“Patients”部分，以及Table 1注释中 |
| 结局定义 | DAS28-CRP阈值3.2用于区分中等-高活动（>3.2）和缓解/低活动（≤3.2）；目标月内多次测量时取中位数 阅读提示：在Methods的“Observed Disease Activity Status”部分 |
| 特征提取窗口 | 目标月前后3个月内的EHR特征纳入模型 阅读提示：在Methods“Modeling approach”部分，以及Figure 2a的图注 |
| 模型训练与验证 | 特征筛选使用2009年前数据，训练和验证使用2009年后数据，并按80/20随机划分；跨机构验证使用共有特征 阅读提示：在Methods“Modeling approach”和“Evaluation”部分，以及Figure 1b图注 |
| 下游MACE分析 | 模型阈值选择（MGB: 0.35, VA: 0.36）以匹配注册中心患病率；MACE定义及排除标准（如既往MACE患者） 阅读提示：在Methods“Application of inferred disease activity in an association study with MACE”部分，以及Table 1注释 |