オピオイドナイーブ患者の機械学習と保険請求による術後オピオイドの使用の予測

背景：術後オピオイドの使用の臨床的影響には、リスクのある患者を特定するための正確な予測戦略が必要です。術前請求データを利用して、術後のオピオイド補充とオピオイドネイーブ患者における新しい持続的な使用を予測します。 方法：Optumの識別されたClinformatics®DataMartデータベースの112,898人のオピオイドネイブの成人術後患者について遡及的研究を実施しました。潜在的な予測因子には、手術の1年以内に社会人口統計データ、併存疾患、および処方が含まれていました。 結果：線形モデルと比較して、非線形モデルは、詰め替えの予測 - 受信機動作特性曲線（AUROC）0.68対0.67（P <0.05）の下の面積を予測する際のわずかな改善につながり、新しい持続的な使用を予測する際に同一に実行されました-AUROC = 0.66。手術の30日以内にオピオイドの処方を受ける主要な手術を受け、腹痛は補充の予測に役立ちました。背中/関節/頭の痛みは、新しい持続的な使用を予測する上で最も重要な特徴でした。 結論：保険金請求からの術前の患者の属性は、オピオイドネイーブ患者の処方慣行を導くのに役立つ可能性があります。

BACKGROUND: The clinical impact of postoperative opioid use requires accurate prediction strategies to identify at-risk patients. We utilize preoperative claims data to predict postoperative opioid refill and new persistent use in opioid-naïve patients. METHODS: A retrospective study was conducted on 112,898 opioid-naïve adult postoperative patients from Optum's de-identified Clinformatics® Data Mart database. Potential predictors included sociodemographic data, comorbidities, and prescriptions within one year prior to surgery. RESULTS: Compared to linear models, non-linear models led to modest improvements in predicting refills - area under the receiver operating characteristics curve (AUROC) 0.68 vs. 0.67 (p < 0.05) - and performed identically in predicting new persistent use - AUROC = 0.66. Undergoing major surgery, opioid prescriptions within 30 days prior to surgery, and abdominal pain were useful in predicting refills; back/joint/head pain were the most important features in predicting new persistent use. CONCLUSIONS: Preoperative patient attributes from insurance claims could potentially be useful in guiding prescription practices for opioid-naïve patients.