[1]李言生,龚后武,栗翊超,等.基于真实世界数据的疾病风险预测研究[J].医学信息,2020,33(23):17-19.[doi:10.3969/j.issn.1006-1959.2020.23.006]
 LI Yan-sheng,GONG Hou-wu,LI Yi-chao,et al.Research on Disease Risk Prediction Based on Real World Data[J].Medical Information,2020,33(23):17-19.[doi:10.3969/j.issn.1006-1959.2020.23.006]
点击复制

基于真实世界数据的疾病风险预测研究()
分享到:

医学信息[ISSN:1006-1959/CN:61-1278/R]

卷:
33卷
期数:
2020年23期
页码:
17-19
栏目:
出版日期:
2020-12-01

文章信息/Info

Title:
Research on Disease Risk Prediction Based on Real World Data
文章编号:
1006-1959(2020)23-0017-03
作者:
李言生龚后武栗翊超
(东华医为科技有限公司医疗大数据研究院,北京 100044)
Author(s):
LI Yan-shengGONG Hou-wuLI Yi-chaoet al
(Donghua Medical Science and Technology Co.,Ltd.Medical Big Data Research Institute,100044,Beijing,China)
关键词:
真实世界研究疾病风险预测人工智能机器学习
Keywords:
Real world researchDisease risk predictionArtificial intelligenceMachine learning
分类号:
TP393
DOI:
10.3969/j.issn.1006-1959.2020.23.006
文献标志码:
B
摘要:
21世纪医学发展的重点任务从防病治病已转向健康维护,医学模式从单纯的疾病治疗模式转向4P医学模式,面对医学复杂性的挑战,临床研究方法学体系也在不断发展。本文从真实世界数据出发,阐述了疾病风险预测模型及构建流程及其应用,并对基于真实世界数据的疾病风险预测研究进行总结和展望,旨在为疾病的风险预测提供帮助。
Abstract:
In the 21st century, the key task of medical development has changed from disease prevention and treatment to health maintenance, and the medical mode has changed from simple disease treatment mode to 4P medical mode. Facing the challenge of medical complexity, the clinical research methodology system is also developing.Based on the real world data, this paper expounds the disease risk prediction model, the construction process and its application, and summarizes and prospects the on disease risk prediction based on real world data, in order to provide help for disease risk prediction.

参考文献/References:

[1]童叶青,殷晓旭,王雷,等.我国4P医学服务模式的展望[J].公共卫生与预防医学,2020,31(2):1-3. [2]罗立刚.我国真实世界研究蹄疾步稳[N].中国医药报,2020-07-07(003). [3]孙鑫,谭婧,王雯,等.建立真实世界数据与研究技术规范,促进中国真实世界证据的生产与使用[J].中国循证医学杂志,2019,19(7):755-762. [4]严广斌.真实世界研究[J].中华关节外科杂志(电子版),2018, 12(1):146. [5]彭晓霞,舒啸尘,谭婧,等.基于真实世界数据评价治疗结局的观察性研究设计技术规范[J].中国循证医学杂志,2019,19(7):779-786. [6]刘爽,冯时,郭昊,等.医疗大数据应用于真实世界研究现状及展望[J].医学信息学杂志,2020,41(3):14-18. [7]王俊峰,章仲恒,周支瑞,等.临床预测模型:模型的验证[J].中国循证心血管医学杂志,2019,11(2):141-144. [8]谷鸿秋,王俊峰,章仲恒,等.临床预测模型:模型的建立[J].中国循证心血管医学杂志,2019,11(1):14-16,23. [9]刘梦苏.ETL技术在数据分析系统中的应用初探[J].信息通信,2018(8):202-203. [10]杨晨柳,胡佳慧,方安,等.临床文本自然语言处理系统构建研究——以cTAKES为例[J].医学信息学杂志,2018,39(12):48-53. [11]孟群.促进健康医疗大数据应用保障“健康中国2030”建设[J].中国卫生信息管理杂志,2016,13(6):539-539. [12]王士泉,李言生,苏明亮,等.医疗人工智能产品应用效果的评估框架与流程研究[J].医疗卫生装备,2020,41(1):62-65. [13]邹筱,赵锋.基于变权Shapley值的合作博弈赋权方法[J].统计与决策,2010(8):156-158. [14]苏明亮,王士泉,李伟.基于主动健康访问技术的医养结合智能综合服务管理平台研究[J].医疗卫生装备,2019,40(6):31-35. [15]王士泉,苏明亮,高东平.基于大数据的青光眼眼压实时预警监测系统研究[J].中国数字医学,2018,13(5):5-7,15. [16]孟群,王才有,汤学军,等.电子病历标准符合性测试方法学研究[J].中国卫生信息管理杂志,2013,10(2):154-156,162.

相似文献/References:

[1]高毅超,王泓午.基于真实世界HIS数据分析冠心病患者的临床特征及用药规律[J].医学信息,2022,35(13):1.[doi:10.3969/j.issn.1006-1959.2022.13.001]
 GAO Yi-chao,WANG Hong-wu.Analysis of Clinical Characteristics and Medication Rules of Patients with Coronary Heart Disease Based on Real World HIS Data[J].Medical Information,2022,35(23):1.[doi:10.3969/j.issn.1006-1959.2022.13.001]

更新日期/Last Update: 1900-01-01