Evaluating the Impact of Social Determinants on Health Prediction in the Intensive Care Unit

要約

健康の社会的決定要因 (SDOH)、つまり人々の生活、成長、老化の条件は、人の健康と幸福において重要な役割を果たします。
集団健康研究には、広範な SDOH が健康結果と強く相関していることを示す、説得力のある大量の証拠があります。
しかし、電子医療記録 (EHR) に基づくリスク予測モデルの大部分には、SDOH 機能のノイズが多かったり単に利用できないことが多いため、包括的な SDOH 機能が組み込まれていません。
私たちの研究では、公的に利用可能な EHR データベース MIMIC-IV を、十分に文書化された SDOH 機能にリンクさせています。
私たちは、さまざまな患者集団にわたる一般的な EHR 予測タスクに対するこのような機能の影響を調査します。
コミュニティレベルの SDOH 機能は、一般的な患者集団のモデルのパフォーマンスを向上させることはできませんが、特定の部分集団のデータに限定されたモデルの公平性を向上させることができることがわかりました。
また、保護属性を超えたアルゴリズムのバイアスを徹底的に監査するために SDOH 機能が不可欠であることも示します。
私たちは、新たに統合された EHR-SDOH データベースによって、地域の健康と個人のアウトカムとの関係に関する研究が可能になり、人種、性別、年齢を超えたアルゴリズムのバイアスを研究するための新しいベンチマークが提供されることを期待しています。

要約(オリジナル)

Social determinants of health (SDOH) — the conditions in which people live, grow, and age — play a crucial role in a person’s health and well-being. There is a large, compelling body of evidence in population health studies showing that a wide range of SDOH is strongly correlated with health outcomes. Yet, a majority of the risk prediction models based on electronic health records (EHR) do not incorporate a comprehensive set of SDOH features as they are often noisy or simply unavailable. Our work links a publicly available EHR database, MIMIC-IV, to well-documented SDOH features. We investigate the impact of such features on common EHR prediction tasks across different patient populations. We find that community-level SDOH features do not improve model performance for a general patient population, but can improve data-limited model fairness for specific subpopulations. We also demonstrate that SDOH features are vital for conducting thorough audits of algorithmic biases beyond protective attributes. We hope the new integrated EHR-SDOH database will enable studies on the relationship between community health and individual outcomes and provide new benchmarks to study algorithmic biases beyond race, gender, and age.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google