دعونا نوضح أولاً المهمة التي تشير إليها كلمة "معقدة" على أنها معقدة
الحالات المعقدة شائعة في الاتصالات الطبية، ولكن يجب أن تكون ملموسة في مجموعات بيانات التعلم الآلي. بالنسبة لتصنيف الصور، قد تكون الصعوبة عبارة عن آفات صغيرة، أو علامات غامضة، أو تعايش أمراض متعددة؛ بالنسبة للاستدلال التشخيصي، قد تكمن الصعوبة في التشخيص التفريقي المتعدد، وتطور مسار المرض، والاختبارات غير المتسقة؛ للتنبؤ بمسار العلاج، قد تكون الصعوبة أمراضًا مصاحبة، أو رعاية متعددة التخصصات، أو اختلافات في الاستجابة للعلاج. إن الإقامة الطويلة في المستشفى والتشخيصات المتعددة والاستشارات المتعددة ليست سوى مؤشرات بديلة ولا يمكن أن تحل محل تعريف الصعوبة السريرية للمهمة نفسها.
إذا لم يتم تحديد المهام المستهدفة أولاً، فإن أخذ العينات على أساس "التعقيد" يمكن أن يخلق بسهولة ارتباكًا مفاهيميًا: بعض الحالات تكون معقدة بسبب مرض خطير، وبعضها معقد بسبب عدد كبير من المستندات، وبعضها ببساطة أنظمة معلومات ذات سلامة عالية. قد تتعلم النماذج المدربة التنبؤ بسير عمل المستشفى، أو طول الوثيقة، أو أنماط النقل بدلاً من استهداف الأنماط الظاهرية للمرض. يجب أن تكون الخطوة الأولى هي تشكيل إطار تعقيد الحالة الذي يسرد المهام المستهدفة، ونقاط القرار السريري، والمدخلات المتاحة، وتسميات المخرجات، والمجموعات السكانية القابلة للتطبيق، وسيناريوهات الفشل التي من المتوقع تغطيتها. يقترح مرفق
إنشاء ملفات عالية الصعوبة باستخدام مجالات مثل مراجعة التشخيص، وعدد أقسام الاستشارة، ومدة الإقامة، ووحدة العناية المركزة/وحدة العناية المركزة، والزيارات التاريخية، وعدد تشخيصات الخروج، والإخطار بالمرض الحرج، ونتائج عدم العلاج، ويفضل الحالات الجراحية التي يكون فيها التشخيص قبل الجراحة وعلم الأمراض بعد العملية الجراحية غير متسقين. تعتبر هذه المؤشرات مناسبة كقرائن عينات قابلة للحساب وتتمتع بميزة كونها قابلة للتدقيق والتتبع؛ ومع ذلك، فهي مجرد عوامل فحص في مواصفات المشروع وليست مقياسًا معترفًا به لخطورة المرض، ولا يمكن استنتاج أن الحالات المختارة تمثل "جميع الحالات المعقدة في العالم الحقيقي".
لذلك، يمكن تقسيم "الحالات المعقدة" إلى عدة أبعاد: عدم اليقين السريري، ومدة المرض، وعبء الاعتلال المشترك، والمشاركة متعددة التخصصات، وكثافة العلاج، والاختلافات في التصوير أو التفسير المرضي، واكتمال البيانات، وتغييرات النتائج. ويتم تسجيل كل بُعد على حدة، مما يسمح للمرضى بأن يكونوا مرتفعين في بعض الأبعاد ومنخفضين في أبعاد أخرى. يمكن أن يساعد التقسيم الطبقي الشامل في أخذ العينات ولكن لا ينبغي أن يحل محل المؤشرات الأصلية. يمكن للدراسات النموذجية أيضًا الإبلاغ عن النتائج حسب البعد لتجنب النتيجة الإجمالية التي تخفي عدم تجانس الحالات المعقدة.
تعريف مؤشرات التصفية كمتغيرات قابلة للمراجعة
يتطلب كل متغير فحص تعريفًا تشغيليًا. عدد مراجعات التشخيص: قم بإحصاء المراجعات أو التشخيصات التكميلية التي تتضمن أنواع المستندات، حسب المريض أو الزيارة، وكيفية إزالة التكرارات من الإصدارات المتكررة. عدد أقسام الاستشارة: بناء على طلب الاستشارة الرسمي أو سجل الاستشارة أو قسم مؤلف الوثيقة سواء تم احتساب الأقسام المحولة مرتين. مدة الإقامة في المستشفى: استخدم الأيام الطبيعية أو الساعات أو الاختلاف في مواعيد الدخول والخروج، وكيفية التعامل مع عمليات النقل بين المستشفيات. عدد الزيارات الطبية التاريخية: حدد النافذة الزمنية ونطاق الأنظمة السابقة التي يمكن ربطها لتجنب سوء التقدير بأن عدم وجود بيانات تاريخية يعني عدم وجود زيارات طبية سابقة. يحتاج قبول
إلى وحدة العناية المركزة/وحدة العناية المركزة إلى تحديد سجل السرير الفعلي بوضوح، ووقت النقل إلى الداخل والخارج، والمراقبة قصيرة المدى؛ يجب أن يميز الإشعار بوجود مرض خطير أو خطير بين وثائق الإخطار الرسمية وأوصاف مسار المرض؛ يجب أن يشير رقم تشخيص الخروج إلى ما إذا كان يشمل الأعراض والمضاعفات والترميز المتكرر؛ تحتاج نتيجة التفريغ الخاصة بـ "لم يتم علاجه" إلى توضيح قواعد التعداد ورسم الخرائط الأصلية. يجب ربط القيم المتغيرة بالمصدر أو حقول HIS وتسجيل وقت الاستخراج وإصدار القاعدة وأدوات التحقق ومعالجة الاستثناءات. بهذه الطريقة، يمكن للمراجعين المستقلين إعادة حساب نتائج الفحص.
لكل عتبة، يوصى بحفظ ثلاث حالات أو عدة حالات: راضٍ، وغير راضٍ، وغير قادر على التحديد؛ وقم أيضًا بتسجيل أسباب فقدان مصادر البيانات أو عدم توفرها أو عدم اكتمال النوافذ الزمنية أو فشل التعرف على المستندات."لم يتم العثور على سجلات وحدة العناية المركزة" لا يمكن مساواة "المريض ليس لديه خبرة في وحدة العناية المركزة" ما لم تكتمل تغطية مصدر البيانات. بالنسبة للحالات القريبة من الحد الأدنى، يمكن للمراجعة اليدوية تجنب سوء التصنيف بسبب دقة التاريخ أو الأعمال الورقية المكررة أو أخطاء الترميز. العتبة نفسها تحتاج إلى تجميدها قبل أخذ العينات؛ إذا تم تعديلها في منتصف الطريق، فسيتم الاحتفاظ بالإصدار وتأثير كل تغيير في القاعدة على عدد قوائم الانتظار.
من أخذ العينات الصعبة إلى الأفواج التمثيلية: لا يمكن الخلط بين هدفين
إن إثراء الأمثلة الصعبة له قيمة واضحة: تحسين تغطية التدريب النموذجي عند مواجهة حالات الحافة، واكتشاف الأخطاء التي لم يتم رؤيتها في مجموعات البيانات العادية، وتقييم قوة المجموعات السكانية الفرعية النادرة أو التناقضات عبر الوسائط. ومع ذلك، غالبًا ما يكون للمجموعات عالية الصعوبة ومجموعات النشر المستهدفة نطاقات حالات مختلفة. إذا كانت مجموعة الاختبار تحتوي على عدد كبير جدًا من وحدات العناية المركزة أو حالات المراضة المتعددة أو الحالات الجراحية المعقدة، فقد لا يمثل الأداء العام الاستخدام السريري العادي؛ إذا تم إثراء مجموعة التدريب بشكل مفرط، فقد لا تكون احتمالات النموذج وعتباته مناسبة للانتشار الحقيقي.
يجب التمييز بين ثلاث قوائم انتظار على الأقل. الأول هو قائمة الانتظار التمثيلية، والتي تُستخدم لتقدير الأداء العام للسيناريو المستهدف؛ والثاني هو قائمة انتظار التحدي، والتي تغطي على وجه التحديد المواقف المعقدة أو النادرة أو عالية الخطورة؛ والثالث هو قائمة انتظار التطوير، والتي يتم استخدامها للتدريب أو ضبط معلمات الخوارزمية. وقد تشترك في بعض التعاريف ولكنها تختلف في الغرض ونسب أخذ العينات وطرق إعداد التقارير. لا يمكن أن يحل تمرير النتائج على مجموعات التحدي محل التحقق من صحة الممثل؛ ولا يمكن لمقاييس المتوسط التمثيلية أن تخفي حالات الفشل في المجموعات الفرعية الصعبة.
لتقدير الأداء الإجمالي للمجموعة السكانية المنشورة من العينات المخصبة، من الضروري فهم احتمالية أخذ العينات، وتوزيع المجموعة السكانية المستهدفة، والنظر في الوزن أو إعادة المعايرة؛ ولكن هذا يعتمد على آلية معقولة لأخذ العينات ومعلومات كافية عن السكان المستهدفين. لا يمكننا ببساطة استخدام "20% لمستوى الصعوبة العالي و80% للمستوى العادي" لاستنتاج معدل الحدوث الطبيعي. إذا كان التقسيم الطبقي 200/800 في المرفق مجرد نسبة شراء، فهو متطلب مكون التسليم، وليس تقديرًا وبائيًا سريريًا. يجب أن تميز التقارير البحثية بوضوح بين تصميم العينة والسكان المستهدفين.
بالنسبة للنموذج، فإن تمثيل العينات الصعبة لا ينعكس فقط في مؤشرات الحالة، ولكن أيضًا في الموقع والمعدات والعمر والجنس واللغة وطريقة الإحالة وجودة الوثيقة والطرائق المتاحة. إذا كانت الحالات المعقدة تأتي من عدد قليل فقط من المستشفيات الكبيرة، أو قسم معين، أو منشأة محددة، فقد يتعامل النموذج مع الخصائص المؤسسية على أنها صعوبة. يمكن أن يساعد أخذ العينات الطبقية حسب المركز والإدارة، متبوعًا بفحص التوزيع لكل بُعد، في اكتشاف مثل هذه التحيزات.
علم الأمراض والتشخيص قبل الجراحة غير متناسقين: الاحتفاظ بالاختلافات أكثر قيمة من فرض التوحيد
يعد الفرق بين التشخيص العملي قبل الجراحة والتشخيص المرضي بعد العملية الجراحية بمثابة معلومات مهمة في عملية التشخيص السريري. وقد ينجم ذلك عن نتائج تصوير غير نمطية، أو نطاق محدود لأخذ العينات، أو عدم تجانس الآفة، أو نتائج أثناء العملية، أو مراجعة مرضية، أو تغييرات في الإصدارات القياسية التشخيصية. لا يعني الاختلاف تلقائيًا أن الحكم قبل الجراحة كان خاطئًا، ولا يعني تلقائيًا أن علم الأمراض يجب أن يكون المعيار الذهبي المثالي. بالنسبة لبيانات التدريب، فإن التغطية المباشرة للتشخيص قبل الجراحة مع الاستنتاجات المرضية ستؤدي إلى مطالبة النموذج بشكل غير صحيح بالإجابة على "الإجابة النهائية المعروفة"، في حين أن المهمة الفعلية قد تكون إجراء تقدير المخاطر بناءً على أدلة محدودة قبل الجراحة.
في نموذج البيانات، يجب الاحتفاظ بمصدر ووقت التشخيص: انطباع التصوير قبل الجراحة، تشخيص العمل السريري، النتائج أثناء العملية، علم الأمراض الأولي، ملحق الكيمياء المناعية، مراجعة الخبراء، التشخيص النهائي والأدلة الخاصة بكل منها. يمكن إنشاء تسميات نوع تفاضلي، مثل التغييرات في فئات التشخيص، وتغييرات المرحلة، والتغيرات في الأحكام الحميدة والخبيثة، ومواقع الآفة غير المتطابقة، وعدم كفاية أخذ العينات أو عدم اليقين؛ يتم تأكيد الملصقات من خلال عملية مراجعة طبية مؤهلة وتحتفظ بالاتساق وحالة النزاع. تعتمد تسمية النموذج على المشكلة المستهدفة ولا ينبغي استخدام نتيجة نهائية واحدة لجميع المهام.
عندما تستخدم العينة "عدم الاتساق قبل الجراحة وبعدها" كشرط فحص الأولوية، فمن الضروري التحقق مما إذا كان هذا الشرط يزيد من تحيز الاختيار. غالبًا ما يختلف الأشخاص الذين يخضعون لعملية جراحية ويحصلون على نتائج مرضية عن أولئك الذين لا يخضعون لعملية جراحية؛ موقع الآفة، ومخاطر المريض، وقدرة المستشفى، واتخاذ قرار الطبيب، كلها تؤثر على ما إذا كان سيتم إجراء العملية أم لا. إذا كان هدف البحث هو نماذج التصوير قبل الجراحة، فإن دراسة الحالات ذات علم الأمراض الجراحي وحده قد يؤدي إلى تحيز التحقق من الصحة. يمكن استخدام هذه العينات كمجموعة فرعية متخصصة من التحدي، ويمكن إنشاء مجموعة تحقق منفصلة أقرب إلى مجموعة المستخدمين المستهدفة، مما يشير إلى أن تسمية علم الأمراض تغطي فقط مجموعة محددة من المرضى.
كيف يدخل عدم اليقين في التسمية ومراجعة الخبراء في تصميم البيانات
غالبًا ما يعني تعقيد الحالة أن التسميات نفسها غير مؤكدة. قد يكون لدى الأطباء المختلفين آراء مختلفة حول مرحلة المرض، أو حدود الآفة، أو شدتها، أو فئة التشخيص؛ يمكن أيضًا تعديل الاستنتاج المرضي بعد تلطيخ إضافي. يخفي ملف تسمية واحد حالة عدم اليقين هذه. بالنسبة للأهداف الرئيسية، يوصى بالاحتفاظ بالشروح الأولية وشروح المراجعة واستنتاجات الحكم والأسباب والأدلة المقابلة. إذا لزم الأمر، احتفظ بالحكم المستقل وثقة العديد من المفسرين بدلاً من حفظ قيمة نهائية واحدة فقط.
يمكن لمراقبة جودة التعليقات التوضيحية الطبية استخدام العينات الطبقية: تُستخدم الحالات الأساسية لمراقبة الاتساق الروتيني؛ الحالات المعقدة تزيد من نسبة التعليقات التوضيحية المستقلة من قبل شخصين؛ يتم تسليم القضايا المتباينة إلى كبار الخبراء للفصل فيها؛يتم استخدام الاختبار العشوائي العشوائي لتقييم التكرار والانجراف المحتمل. لا ينبغي أن يكون المؤشر هو معدل الاتفاق العام فحسب، بل يجب أيضًا تحليل عدم توازن الفئة وفئات الحدود والأقسام المختلفة بشكل منفصل. يمكن استكمال الإحصائيات مثل كوهين كابا وألفا كريبيندورف، لكن الإحصائيات المتسقة لا تثبت الصلاحية السريرية؛فهي بحاجة إلى المراجعة جنبًا إلى جنب مع التعريفات السريرية والأدلة المصدرية.
يجب أيضًا تمييز أدوار التدقيق. يتحمل المشروحون مسؤولية الاستخراج أو التفسير وفقًا للمواصفات؛ يتحقق المراجعون من تطبيقات التعريف والأدلة المصدرية؛ المحكمون يحلون النزاعات؛ويؤكد قادة إدارة البيانات الأذونات وحدود الاستخدام. يجب أن يكون لكل دور مؤهلات ونطاق المهام وسجل التغييرات. بالنسبة لعلامات النص الحر، يجب حفظ التعيين بين أجزاء النص الأصلي والعلامات المنظمة؛ بالنسبة إلى التعليقات التوضيحية للصور أو علم الأمراض، يجب الاحتفاظ بأدوات التعليقات التوضيحية أو الإحداثيات أو الإصدارات أو مجالات الرؤية أو معرفات الشرائح للمراجعة.
كيفية تقييم نماذج الحالات المعقدة دون أن يتم تضليلها بواسطة AUROC واحد
لا يمكن لتقييم قائمة الانتظار المعقدة الإبلاغ عن AUROC واحد فقط. إذا كانت الحالات الإيجابية نادرة، فإن AUPRC، والحساسية تحت عتبات سريرية ثابتة، والقيمة التنبؤية الإيجابية قد تكون أكثر مباشرة؛إذا كان النموذج ينتج احتمالية المخاطر، فمن الضروري النظر إلى اعتراض المعايرة، ومنحدر المعايرة، ومعايرة المجموعة، والأداء بالقرب من العتبة السريرية؛ إذا كانت مهمة متعددة الفئات أو متعددة التسميات، فيجب أيضًا الإبلاغ عن المؤشرات على مستوى الفئة ومصفوفات الارتباك. يجب إعطاء النتائج فواصل زمنية للثقة وشرح كيفية التعامل مع الفحوصات المكررة أو التجميعية على مستوى المريض.
ينبغي عرض الأداء المتوسط بشكل متزامن مع النتائج المتدرجة. يمكن تحليلها حسب بُعد التعقيد والقسم والموقع واكتمال الوسائط والفئة العمرية والجنس وسنة البيانات ونوع الجهاز. قم بالإبلاغ عن حجم العينة وعدد الإيجابيات ومعدل الفقدان وعدم اليقين لكل مجموعة فرعية لتجنب استخلاص استنتاجات قوية من عينات صغيرة جدًا. يجب أن يقوم التحقق الخارجي أيضًا بتقييم الاختلافات في عمليات وضع العلامات وعمليات جمع البيانات؛ عندما يتدهور الأداء، قم بالتمييز بين تغييرات طيف الحالة، وانحراف البيانات، وتغييرات تعريف التسمية، والتعميم غير الكافي للنموذج. يجب ألا يعتمد شرح نموذج
فقط على خرائط حرارة الانتباه أو تصنيفات الأهمية. بالنسبة لعينات التحدي، يجب إجراء تتبع حالة الخطأ: هل استخدم النموذج التشخيصات بعد النقطة الزمنية للتنبؤ؟التعامل مع رسالة المستشفى أو الجهاز كاختصار؟هل تركز الصورة على المجالات ذات الصلة بالمهمة؟هل الأدلة المتعلقة بمسار المرض المذكورة تتعارض مع الاستنتاج؟تحتاج هذه المشكلات إلى المراجعة من قبل الخبراء والمهندسين السريريين، ويتم تحويل أنواع الفشل إلى الجولة التالية من البيانات وعناصر تحسين التقييم.
تحويل مواصفات الشراء إلى خطة انتظار علمية يمكن تحويل المؤشرات المرفقة بـ
إلى "جدول صورة التعقيد القابل للتدقيق": تحديد المريض، ونطاق الاستشارة، والقيم الأصلية لكل مؤشر، وأساس الحساب، وما إذا كان قد تم استيفاء العتبة، وأسباب الفشل في التحديد، وموقع الأدلة، والتقسيم الطبقي النهائي. أثناء فحص القبول، يتم فحص جدول المؤشر والنص الأصلي للسجل الطبي بشكل عشوائي ليس فقط للتحقق مما إذا كانت الإحصائيات مستوفية للشروط، ولكن أيضًا للتحقق مما إذا كان النص الأصلي يدعم النتائج، وما إذا كانت النوافذ الإحصائية متسقة، وما إذا كانت هناك حسابات متكررة. يجب مقارنة توزيع الحالات حسب القسم والطريقة مع سيناريوهات التطبيق المستهدفة في نفس الوقت.
تسلسل التصميم الأكثر استقرارًا هو: أولاً تحديد المهام السريرية والمجموعات السكانية المستهدفة؛ ثم تحديد أبعاد التعقيد والمتغيرات التشغيلية؛ تجميد القواعد والتحقق منها على عينة صغيرة؛ تقييم المواقع والإدارات والطرائق وتوزيع السكان المختارة؛ مجموعات تمثيلية منفصلة ومجموعات التحدي؛ ثم إجراء التدريب/التحقق/تجزئة الاختبار على مستوى المريض؛ وأخيرًا إجراء تقييم خارجي مستقل وإعداد تقرير حسب المستويات. يجب أن تترك كل خطوة نسخة قابلة للتكرار. لا ينبغي أن يأخذ اختيار العتبة في الاعتبار توفر البيانات فحسب، بل يجب أيضًا التأكد من توافقها مع السؤال العلمي. يمكن لـ
Langhui المساعدة في إنشاء خرائط ميدانية للبيانات الطبية، وقواعد الفحص، ومواصفات الملصقات الطبية، وعمليات الاختبار والمراجعة العمياء، وبطاقات البيانات، وأطر تقييم النماذج ضمن نطاق ترخيص المشروع. ويخضع النطاق المحدد وأنواع الأمراض والمؤسسات وتخصيص الخبراء ومؤشرات القبول للعقد وخطة التنفيذ التي يؤكدها الطرفان. إن القيمة الحقيقية للحالات المعقدة ليست في كتابة "الصعوبة" كتسمية تسويقية، ولكن في جعلها قابلة للملاحظة والمراجعة والتحسين بالنسبة لأي مجموعات وتحت أي ظروف معلوماتية يكون النموذج موثوقًا أو غير موثوق به.
تدرس مجموعة الحالات أيضًا الفرق بين "الحالات المرئية" و"السكان المستهدفين". غالبًا ما تسجل السجلات الطبية ذات المركز الواحد فقط الأحداث التي حدثت في المستشفى، وقد لا تكون التشخيصات والأدوية السابقة والنتائج خارج المستشفى مرئية؛من المرجح أن يتم نقل المرضى الصعبين إلى مستشفيات أعلى مستوى. إذا كان هدف البحث هو المساعدة في اتخاذ القرار في نوع معين من المستشفيات، فيجب أن يقتصر السكان المستهدفون على هذا السيناريو؛وإذا كان من المفترض أن يكون قابلاً للتطبيق على عدد أكبر من السكان، فيجب أن يشمل المراكز ويشرح آلية الإحالة. يحدد نطاق مصادر البيانات الأسئلة التي يمكن للنموذج الإجابة عليها. لا يمكن الخلط بين اكتمال السجلات واكتمال الحقائق الصحية للمريض.
قد تكون مقاييس التعقيد مرتبطة بشكل كبير مع بعضها البعض. قد تكون درجة الخطورة ومدة الإقامة والاستشارة وتشخيصات الخروج مدفوعة بنفس عملية المرض أو عملية المستشفى، وستؤدي إضافتها مباشرة إلى مضاعفة الترجيح. يمكن الإبلاغ أولاً عن التوزيع الهامشي والارتباط ونمط الحدوث المشترك لكل مؤشر، ومن ثم يمكن تشكيل استراتيجية طبقية بناءً على آراء الخبراء السريريين والتحليل الإحصائي. يعد تحليل حساسية العتبة مهمًا أيضًا: هل يتغير تكوين المجموعة بشكل ملحوظ بعد التعديل الطفيف لعتبة مدة الإقامة؟إذا كان التغيير كبيرًا، فهذا يعني أن التقسيم الطبقي يعتمد على العتبة، ويجب المطالبة بذلك عند الإبلاغ.
من أجل تقليل تحيز الاختيار، يوصى بالاحتفاظ بالمقام قبل الفحص، وعدد الاستثناءات في كل خطوة، والأسباب. يجب أن يوضح مخطط تدفق الفحص عدد الحالات المفقودة في كل مرحلة بدءًا من مجمع البيانات المصدر وحتى أخذ العينات المتوافقة مع القواعد والقابلة للربط والمكتملة والنهائية. إذا انتهى الأمر فقط بالمرضى الذين لديهم معلومات كاملة في قائمة الانتظار، فقد يكون النموذج أكثر ملاءمة للمرضى الذين لديهم سجلات موحدة في نظام المعلومات، وليس في بيئة واقعية أكثر فوضوية. يمكنك إنشاء "مجموعة اختبار البيانات غير المكتملة" منفصلة لاختبار سلوك النموذج عند فقدان بعض الحقول أو الأوضاع، وتوضيح المدخلات المفقودة التي ستؤدي إلى الرفض أو المراجعة اليدوية.
عند فحص الحالات المعقدة، يمكن لفرق البحث التسجيل المسبق لتصميمات الأتراب والمجموعات الفرعية الرئيسية، خاصة عندما تؤثر قواعد التقسيم الطبقي على نتائج الاختبار. يؤدي التثبيت المسبق للتعريفات الصعبة والعتبات ونقاط النهاية إلى تقليل مخاطر تعديل "الحالات الصعبة" بعد رؤية نتائج النموذج. إذا كان لا بد من تكرار القواعد، فيجب استكشافها باستخدام بيانات التطوير ثم تجميدها في التعريفات في بيانات التحقق المستقلة. يجب كتابة التغييرات في عتبات المؤشرات وقواعد التصنيف في إصدار الخطة، ويجب الإبلاغ عن هيكل العينة قبل التغيير وبعده. بالنسبة لمشاريع البيانات القائمة على المشتريات، يساعد هذا أيضًا على فصل الامتثال للقبول عن استنتاجات البحث العلمي: فالوفاء بنسبة العقد يعني أن التسليم يفي بالاتفاقية، ولكنه لا يعني أن الأداء السريري قد تم إثباته.
يمكن استخدام التقييم الهرمي عند النمذجة لتحديد ما إذا كان النموذج فعالاً فقط في المجموعات الفرعية السهلة. على سبيل المثال، مراقبة مجموعات التسميات الواضحة والمثيرة للجدل، والطريقة الواحدة والوسائط المتعددة كاملة، والتشخيص الأولي وتشخيص المتابعة، والقسم الروتيني والتشاور متعدد التخصصات، وعلم الأمراض المتسق وغير المتسق، وما إلى ذلك. لا يمكن تفسير الاختلافات بين المجموعات فقط عن طريق التحيز النموذجي، ولكن قد تنشأ أيضًا من الاختلافات في حجم العينة، وطيف المرض، وجودة الملصق؛ولذلك، يجب الإبلاغ عن حجم العينة الأصلي وتوزيع الميزات وفترات الثقة بالتزامن مع المراجعة السريرية. إذا كان هناك عدد قليل جدًا من البيانات لمجموعة فرعية معينة، فيجب وضع علامة عليها كدليل غير كافٍ بدلاً من تجميع تقدير النقاط غير المستقرة باعتباره استنتاجًا. حدود أسلوب
ومصادر البيانات
تلخص هذه المقالة النقاط الرئيسية لهندسة البيانات وتصميم المجموعة استنادًا إلى مجالات البيانات الطبية ومستندات متطلبات إعادة الشراء المقدمة من قبل المستخدمين، وتناقشها جنبًا إلى جنب مع الأبحاث العامة الخاضعة لمراجعة النظراء والمعايير الفنية والمبادئ التوجيهية التنظيمية/إعداد التقارير. تعتبر الحقول وحدود التصفية والكميات الموجودة في المرفق أمثلة على مواصفات المتطلبات ولا تثبت أنه تم شراء البيانات أو تسليمها أو اجتياز التحقق من صحة النموذج. تُستخدم الخوارزميات والعمليات الواردة في هذه المقالة في البحث العلمي ومناقشات التصميم الهندسي ولا تشكل تشخيصًا طبيًا أو توصيات علاجية. تخضع مشاريع محددة للتراخيص وبطاقات البيانات والعقود ومراجعات الأخلاقيات/الامتثال.
المراجع والمعايير الفنية بيان
- TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods, BMJ (2024)
- DECIDE-AI: reporting guideline for early-stage clinical evaluation of AI decision support systems, Nature Medicine (2022)
- External validation of clinical prediction models, BMJ (2024)
- Good Machine Learning Practice for Medical Device Development, FDA / IMDRF
