Investigating Ensemble Methods to Improve Risk Estimates for Chronic Disease in Canadian Primary Care: A Case Study with Prediction Models for Chronic Kidney Disease in People with Diabetes
Notice bibliographique
Résumé
Introduction: Clinical prediction models often suffer poor model transportability or subgroup performance resulting from using a single data source. However, many models developed across diverse populations often predict similar outcomes. We examined whether ensemble methods (machine learning that combines several models into a single, often better performing model) can improve model transportability and performance among subgroups. We used clinical prediction models for chronic kidney disease (CKD) in Canadian primary care patients with diabetes as a case study. We quantified the frequency of screening and diagnosis of CKD among patients with diabetes then assessed the performance of existing CKD models and compared with the performance achieved using ensemble methods. Methods: We conducted a retrospective cohort study using the Canadian Primary Care Sentinel Surveillance Network (CPCSSN) electronic medical record database (2014-2019). We included adult patients (18+) with diabetes without existing CKD. We determined the frequency of CKD screening using urine albumin to creatinine ratio (ACR) and estimated glomerular filtration rate (eGFR) testing and identified incident CKD cases over 5 years follow-up. We identified models that predict incident CKD based on two systematic reviews and included models with sufficient predictors in CPCSSN (≤1 unavailable) and eGFR-based CKD definitions. We estimated patients’ risks of incident CKD using each model and combined their unique risk estimates using many strategies (e.g., averaging or mixture-of-experts). For each model, we estimated the discrimination, precision, recall, and calibration. Results: Among 37,604 patients with diabetes, 14.6% were diagnosed with CKD within 5 years. Overall performance of 13 CKD prediction models was mixed: 3 models displayed moderate to strong discrimination whereas others performed poorly. After model updating, calibrations were heterogeneous with most models displaying some miscalibration. Ensemble methods performed well, but no better than the best performing component model. Conclusions: Three models displayed strong performance predicting CKD among CPCSSN patients. These models should be evaluated for their impact in clinical practice. However, our findings suggest ensemble methods may not improve predictive performance. Instead, the best performing component model may be implemented after evaluation in clinical practice—though further research should confirm these findings in additional settings.
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 | 0,024 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».