Predicting the Absence and Gaps in Recorded Blood Pressure Follow-up Among Patients With Hypertension
本研究利用电子健康记录（EHR）数据开发并验证了一个梯度提升树模型，用于预测高血压患者血压随访中断的情况，结果显示该模型具有中等的预测性能和开展针对性外联的潜力，同时指出在不同种族和族裔群体之间存在显著的敏感性差异，并发现接触模式对于预测心血管住院情况所能提供的附加价值极小。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
高血压是一种无声的力量，如果任其发展，随着时间的推移会损害心脏和大脑。管理高血压不是一次性的事件，而是一个检查、调整和随访的持续循环。当患者血压飙升时，医生会建议在一个月内复诊，以观察治疗效果。然而在现实世界中，许多人并没有回来进行那次至关重要的检查。他们可能觉得身体没问题、忘记了预约，或者仅仅是在繁忙的医疗系统中迷失了方向。病历中缺乏随访记录是护理停滞的预警信号，但识别出谁最有可能从系统中“消失”却并非易事。诊所的人手和时间都有限；他们无法给每一个错过就诊的患者打电话。挑战在于，如何利用电子健康档案中已有的信息，预测哪些患者最有可能从系统中消失，从而让有限的资源能精准投向那些最需要提醒的人。
一组研究人员致力于构建一个工具来解决这个特定的问题。他们分析了数千名近期记录到危险高血压读数的成年人的数据。他们的目标是创建一个模型，能够观察患者的历史记录——包括年龄、过往就诊情况、用药清单以及距离上次就医的时间——并预测该患者是否会在未来90天内未能返回进行血压检查。他们使用来自波士顿一家医疗中心的大规模医院记录数据库对这一想法进行了测试。研究人员将每位患者的62种不同信息输入计算机模型，涵盖从保险类型到过去就诊医院频率的各项指标。随后，他们观察该模型是否能正确识别出那些实际上从记录中“消失”的人。
结果显示，该计算机模型在识别可能被遗漏的患者方面表现得相当出色。当研究人员在模型从未见过的患者群体上进行测试时，该模型成功识别了约35%在随后的90天内没有血压检查记录的人。如果诊所利用该模型来优先开展外联工作，仅针对模型标记出的风险最高的20%的患者进行联系，他们会发现其中近60%的人确实错过了随访。这比随机猜测（只能捕捉到约35%的遗漏患者）有了显著的提升。模型使用的最重要的线索非常简单：距离患者上次就诊的时间以及过去就诊医院的次数。那些有一段时间未被就诊且就诊频率较低的患者，是最容易从系统中消失的人。
然而，这项研究也揭示了一个令人担忧的问题，即该工具在不同人群之间的表现存在差异。虽然该模型整体上很准确，但在不同种族和民族之间的表现并不均衡。当研究人员应用相同的规则时，模型发现了约37%错过随访的白人患者，但对于黑人患者和拉丁裔患者，识别率分别仅为21%和23%。尽管该模型在整体预测风险方面表现良好，但这种差异依然存在。研究人员发现，这种差异并非仅仅因为黑人或拉丁裔患者缺席预约的情况较少，而是因为模型对这些社区特定的护理模式不够敏感。这表明，依赖历史就诊数据来预测未来行为有时会强化现有的不平等，因为模型学习到的模式可能已经受到了不同群体获取医疗服务方式的偏差影响。
研究人员还提出了第二个相关的疑问：患者与医疗系统的接触模式是否能告诉我们有关其未来患心肌梗死、中风或心力衰竭风险的信息？他们观察了医疗记录中存在长期空白的患者是否更有可能因这些严重疾病住院。令人惊讶的是，答案是否定的。医疗记录中存在长时间空白并不一定能一致地预测更高的心血管住院风险。事实上，数据显示，与医疗系统保持更频繁且持续接触的患者，患心力衰竭住院的可能性反而略高。研究人员解释说，这并不是因为频繁就诊导致了疾病，而是因为病情更重或有更复杂健康问题的患者自然会更频繁地看医生。他们的频繁就诊是其潜在健康问题的迹象，而非原因。研究结论指出，虽然追踪谁错过了血压检查是诊所改进随访的有效工具，但就诊模式本身并不能作为预测未来心肌梗死或中风的可靠“水晶球”。
最终，这项工作提供了一种实用的方法，让医疗系统能够利用现有数据来捕捉那些正在悄然流失的患者。它表明，计算机可以观察患者的历史记录并得出结论：“这个人很可能会错过下次预约”，且具有合理的准确度。但这也作为一个警示：此类工具的使用必须非常谨慎。如果诊所使用该模型而不针对其盲点进行调整，那么它可能会导致联系的白人患者多于同样需要帮助的黑人或拉丁裔患者。这项研究并未证明通过联系这些患者就能修复他们的血压或挽救生命；它仅仅证明了该模型可以帮助诊所决定应该联系谁。要真正了解这种方法是否能改善健康状况，未来的研究需要测试采取基于这些预测的行动是否真的能为所有人带来更好的健康结果。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。