실험실 데이터 없이 데이터베이스에서 신장 기능을 추정하는 도구 개발을 위한 연구

신장애는 다양한 주요 기저 질환과 연령 증가에 따른 병리를 가진 환자에서 공통적으로 동반되는 질환입니다. 신장 기능은 치료 효과의 중요한 수정자일 수 있습니다.

인구 기반 행정 청구 데이터베이스는 약물 치료의 대규모 비교 결과 연구에서 점점 더 많이 사용되고 있습니다. 그러나 청구 데이터베이스는 종종 실험실 테스트 결과에 대한 정보가 부족하여 신장애 환자의 RWE(Real-World Evidence) 연구에서 유용성을 제한합니다.

의료 관리 청구 기반 프록시에서 신장 기능 장애가 있는 환자를 식별하는 방법을 개발할 필요가 있습니다.

이 연구의 주요 목적은 일반 인구에 대한 청구 데이터베이스의 항목(인구학적 특성, 임상 진단, 절차 및 약물 치료)을 기반으로 특정 시점에서 환자의 eGFR 값 및/또는 클래스를 예측하는 알고리즘/모델을 개발하는 것입니다. 다양한 사용 사례(심방 세동, 관상 동맥 질환, 제2형 당뇨병 환자 하위 집단). 이를 달성하기 위해 최신 데이터 기반 기계 학습 기술을 적용하여 eGFR로 측정한 신장 상태와 종단 환자 수준 데이터 간의 관계를 발견합니다.

모델의 성능 평가(샘플 검증, 벤치마크 테스트, eGFR 값 예측 알고리즘과 사전 정의된 eGFR 클래스에 맞게 조정된 분류 모델 간의 성능 차이)도 수행됩니다.