健康經(jīng)濟學(xué)和結(jié)果研究專業(yè)協(xié)會 ISPOR 的官方期刊《健康價值》今天宣布發(fā)布針對健康經(jīng)濟學(xué)和結(jié)果研究 (HEOR) 和決策者使用一類重要人工智能技術(shù)的新指南.報告“健康經(jīng)濟學(xué)和結(jié)果研究中的機器學(xué)習(xí)方法——PALISADE 清單：ISPOR 機器學(xué)習(xí)工作組的良好實踐報告”發(fā)表在 2022 年 7 月的《健康價值》雜志上。
“機器學(xué)習(xí)是 HEOR 工具包的潛在有價值的補充，”工作組聯(lián)合主席兼主要作者 William Crown 博士和 William V. Padula 博士說。“它可以促進在高維數(shù)據(jù)集中搜索復(fù)雜的關(guān)系，例如由電子健康記錄或移動健康設(shè)備生成的關(guān)系。這些關(guān)系可用于改進疾病的檢測和分類，以識別具有共同特征的患者群體，這些特征可能“在使用傳統(tǒng)方法僅考慮一小部分變量時并不明顯，并在替代個性化治療方案下預(yù)測健康結(jié)果的軌跡。在本報告中，工作組重點關(guān)注機器學(xué)習(xí)在 HEOR 中的潛在應(yīng)用。”
作者確定了機器學(xué)習(xí)可以增強 HEOR 的 5 個方法學(xué)領(lǐng)域：
隊列選擇(即，識別在納入標準方面具有更高特異性的樣本)
識別健康結(jié)果的獨立預(yù)測因子和協(xié)變量
健康結(jié)果的預(yù)測分析，包括高成本和/或危及生命的結(jié)果
通過目標最大似然估計或雙重/去偏估計等方法進行因果推斷——有助于更快地產(chǎn)生關(guān)于真實世界治療效果的可靠證據(jù)
將機器學(xué)習(xí)應(yīng)用于經(jīng)濟模型的開發(fā)，以減少成本效益分析中的結(jié)構(gòu)、參數(shù)和抽樣不確定性
為了檢查機器學(xué)習(xí)是否為醫(yī)療保健分析提供了有用且透明的解決方案，工作組還開發(fā)了 PALISADE 清單。該清單提供了一系列考慮因素，研究人員可以使用這些考慮因素來探索機器學(xué)習(xí)是否為傳統(tǒng)研究方法增加了價值。它可以作為平衡機器學(xué)習(xí)的許多潛在應(yīng)用與方法開發(fā)和發(fā)現(xiàn)的透明度需求的指南。
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！