Predicting Clinical Remission of Chronic Urticaria Using Random Survival Forests: Machine Learning Applied to Real-World Data
Notice bibliographique
Résumé
INTRODUCTION: The time required to reach clinical remission varies in patients with chronic urticaria (CU). The objective of this study is to develop a predictive model using a machine learning methodology to predict time to clinical remission for patients with CU. METHODS: Adults with ≥ 2 ICD-9/10 relevant CU diagnosis codes/CU-related treatment > 6 weeks apart were identified in the Optum deidentified electronic health record dataset (January 2007 to June 2019). Clinical remission was defined as ≥ 12 months without CU diagnosis/CU-related treatment. A random survival forest was used to predict time from diagnosis to clinical remission for each patient based on clinical and demographic features available at diagnosis. Model performance was assessed using concordance, which indicates the degree of agreement between observed and predicted time to remission. To characterize clinically relevant groups, features were summarized among cohorts that were defined based on quartiles of predicted time to remission. RESULTS: Among 112,443 patients, 73.5% reached clinical remission, with a median of 336 days from diagnosis. From 1876 initial features, 176 were retained in the final model, which predicted a median of 318 days to remission. The model showed good performance with a concordance of 0.62. Patients with predicted longer time to remission tended to be older with delayed CU diagnosis, and have more comorbidities, more laboratory tests, higher body mass index, and polypharmacy during the 12-month period before the first CU diagnosis. CONCLUSIONS: Applying machine learning to real-world data enabled accurate prediction of time to clinical remission and identified multiple relevant demographic and clinical variables with predictive value. Ongoing work aims to further validate and integrate these findings into clinical applications for CU management.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».