紧急入院（EA）是指患者需要立即在医院接受治疗的情况，这对医疗系统构成了重大挑战。开发风险预测模型可以帮助缓解这一问题，通过支持初级保健干预和公共卫生规划。研究人员现已利用机器学习技术更新了一种旨在识别未来12个月内可能需要紧急住院治疗的高风险个体的工具。
SPARRAv4（苏格兰患者再入院和入院风险预测算法）是一种预测未来12个月内紧急入院（EA）风险的算法。SPARRA是基于苏格兰的电子健康记录（EHR）数据库开发的，自2006年以来一直在该国使用。当前版本的算法（SPARRAv3）于2012/13年实施，由苏格兰公共卫生局（PHS）每月计算，覆盖几乎整个苏格兰人口。全科医生（GP）可以访问个人级别的SPARRA评分，以帮助他们为有复杂护理需求的患者制定缓解策略。此外，汇总的SPARRA评分可用于估计未来的需求，从而辅助规划和资源分配。SPARRA还广泛应用于公共卫生研究。
一个包括爱丁堡大学（英国爱丁堡）研究人员在内的团队使用现代监督和无监督机器学习（ML）方法更新了SPARRA算法至第4版（SPARRAv4）。他们分析了2013年至2018年间由PHS维护的480万苏格兰居民的健康记录。这些记录包括医疗保健提供者常规收集的信息，如患者病史、处方详情和之前的住院记录。通过将机器学习技术应用于该数据集，研究人员开发了SPARRAv4，以预测哪些患者可能在未来12个月内需要紧急住院治疗。
测试结果显示，SPARRAv4在识别紧急入院方面比前一版本更为有效。根据发表在《npj数字医学》上的结果，SPARRAv4在评估个体患者未来12个月内需要紧急住院的风险水平方面也表现出更高的准确性。研究人员表示，AI驱动的更新将帮助苏格兰的医疗保健提供者更有效地预测和规划紧急病例，同时更高效地管理医疗资源。他们强调，尽管该工具将是重要的辅助手段，但不会取代医疗专业人员的关键临床判断。
(全文结束)
