Use of Machine Learning and Linked Population Health Data to Develop Predictive Risk Algorithms for Population Health Decision-Making
Notice bibliographique
Résumé
IntroductionData from population health surveys, administrative health records and environmental monitoring are increasingly being linked at the individual level. As these data become available to health researchers, there is an increasing need for methods which can make sense of large, noisy and heterogeneous data and can model complex relationships. Using these data, machine learning methods have the potential to produce population health risk algorithms with better performance than those developed with traditional statistical approaches. Objectives and ApproachThe objective of this work is to explore the use of machine learning methods for the development, validation and implementation of predictive risk algorithms designed specifically for population health planning purposes. Algorithms to predict risk of dementia and avoidable hospitalizations are in development using the Canadian Community Health Survey, geographic sociodemographic information, administrative health care utilization data and vital statistics. Methods being explored include naïve Bayes, gradient boosting, support vector machines and neural networks. ResultsRisk algorithms for population health should generally prioritize calibration over discrimination due to implications for resource allocation decisions. Approaches to minimize the risk of overfitting should be used and reweighting of unbalanced data avoided as it distorts the population-level nature of the data. It is important to be aware of propagating underlying bias in the data or exacerbating existing health inequities, which can be evaluated in part through assessment of calibration across relevant population subgroups. Approaches that consider multi-level data structures are needed to appropriately incorporate neighbourhood-level measures with individual-level information. To maximize population health impact and acceptability, model transparency and interpretability should be prioritized. ConclusionThere is tremendous potential for machine learning approaches to leverage large volumes of linked population data to produce predictive risk algorithms that will inform population health decision-making. Future work will explore use of complex environmental remote sensing and built environment data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».