機械学習モデルを使用して、慢性腎臓病患者の間で腎補充療法の開始を予測する

血液透析または腎臓移植のいずれかで、慢性腎疾患（CKD）の患者に対する腎補充療法（RRT）は、患者の幸福と状態の管理に不可欠です。この論文では、台湾の国民健康保険の併存疾患データのみを使用して、CKDとの最初の診断時からRRT 3、6、および12か月の発症を予測する予測モデルを作成する可能性を探ります。この研究の目標は、限られた量のデータ（併存疾患を含むが、低所得国と中所得国で得るのに費用がかかる実験室の価値を考慮していない）がそのような予測モデルに良い基礎を提供できるかどうかを確認することでした。一方、先進国では、そのようなモデルは、政策立案者が治療のためのリソースのより良い計画と割り当てを可能にする可能性があります。8,492人の患者からのデータを使用して、CKD診断時から12か月以内にRRTを予測するために、0.773の受信機操作特性曲線（AUC）の下の面積を取得しました。また、結果は、予測パフォーマンスの観点から糖尿病の患者のみに焦点を当てることに追加の利点がないことを示しています。これらの結果は臨床診療への採用にはそれほど適していませんが、この研究は、ヘルスケアにおける予測モデルの将来の研究のための強力な根拠とさまざまなアプローチを提供します。

Starting renal replacement therapy (RRT) for patients with chronic kidney disease (CKD) at an optimal time, either with hemodialysis or kidney transplantation, is crucial for patient's well-being and for successful management of the condition. In this paper, we explore the possibilities of creating forecasting models to predict the onset of RRT 3, 6, and 12 months from the time of the patient's first diagnosis with CKD, using only the comorbidities data from National Health Insurance from Taiwan. The goal of this study was to see whether a limited amount of data (including comorbidities but not considering laboratory values which are expensive to obtain in low- and medium-income countries) can provide a good basis for such predictive models. On the other hand, in developed countries, such models could allow policy-makers better planning and allocation of resources for treatment. Using data from 8,492 patients, we obtained the area under the receiver operating characteristic curve (AUC) of 0.773 for predicting RRT within 12 months from the time of CKD diagnosis. The results also show that there is no additional advantage in focusing only on patients with diabetes in terms of prediction performance. Although these results are not as such suitable for adoption into clinical practice, the study provides a strong basis and a variety of approaches for future studies of forecasting models in healthcare.