急诊入院预测模型中的交叉性与边缘去偏倚
该预后研究使用MIMIC-IV(160 016次就诊)和波士顿儿童医院(22 222次就诊)的回顾性数据,比较边缘去偏倚与交叉性去偏倚在急诊入院预测模型中对交叉亚组性能的影响。在MIMIC-IV队列中,交叉性去偏倚使亚组校准误差从0.083降至0.065(降低22.3%),边缘去偏倚降至0.074(降低11.3%);在BCH队列中,交叉性去偏倚使校准误差从0.111降至0.080(降低28.3%),边缘去偏倚降至0.086(降低22.6%)。交叉性去偏倚还降低了亚组假阴性率,且总体AUROC与基线模型几乎相同(MIMIC-IV平均AUROC 0.85)。作者认为临床风险预测模型应考虑在开发中纳入交叉性去偏倚。
要点
- 在MIMIC-IV成人急诊入院预测中,交叉性去偏倚使亚组校准误差从0.083降至0.065(降低22.3%),边缘去偏倚降至0.074(降低11.3%),差值11.1%。
- 在BCH儿科急诊入院预测中,交叉性去偏倚使亚组校准误差从0.111降至0.080(降低28.3%),边缘去偏倚降至0.086(降低22.6%),差值5.7%。
- 交叉性去偏倚降低亚组假阴性率:MIMIC-IV从0.142降至0.125(降低11.9%,P<.001),BCH从0.108降至0.102(降低6.3%,P<.001)。
- 去偏倚未降低总体准确性:MIMIC-IV平均AUROC 0.85(SD 0.00),基线与去偏倚模型相同;BCH在敏感性>50%阈值时精确率几乎相同。
- 交叉性去偏倚在低患病率组(美洲印第安或阿拉斯加原住民男性,患病率0.1%)和高患病率组(白人女性,患病率31.4%)均较其他方法更降低ECE和FNR(P<.001)。
适用人群与场景
- MIMIC-IV队列:2011年1月1日至2019年12月31日贝斯以色列女执事医疗中心急诊就诊,共160 016次就诊(90 005名 unique 患者),平均年龄53.0岁(SD 19.3),57.4%女性,29.5%入院。
- BCH队列:2019年6月1日至8月31日波士顿儿童医院急诊就诊,共22 222次就诊(17 938名 unique 患者),平均年龄8.2岁(SD 6.8),52.1%男性,16.3%入院。
- 纳入模型预测时最终处置尚未决定的急诊患者,使用分诊、登记、临床病史和人口学数据;BCH额外使用就诊前60分钟内的实验室检查医嘱和药物数据。
研究设计与关键结果
- 研究类型:预后观察性研究,使用两个回顾性队列开发急诊入院预测模型(惩罚逻辑回归和随机森林),比较无去偏倚、边缘去偏倚(单属性或双属性联合)与交叉性去偏倚(种族和族裔与性别交叉)在100次随机种子试验、50/50训练测试分割下的性能。
- 主要终点为入院至住院服务;公平性定义包括校准(充分性)和误差率平衡(分离性),采用多校准后处理(α=.01,γ=0.001)和面向公平的多目标优化(FOMO)约束组级假阴性率。
- MIMIC-IV队列:交叉性去偏倚使亚组校准误差从0.083降至0.065(降低22.3%),边缘去偏倚降至0.074(降低11.3%;差值11.1%);交叉性去偏倚使亚组假阴性率从0.142降至0.125(降低11.9%,P<.001),边缘去偏倚降至0.132(降低6.8%;差值5.1%)。
- BCH队列:交叉性去偏倚使亚组校准误差从0.111降至0.080(降低28.3%),边缘去偏倚降至0.086(降低22.6%;差值5.7%);交叉性去偏倚使亚组假阴性率从0.108降至0.102(降低6.3%,P<.001)。
- 总体性能:MIMIC-IV平均AUROC 0.85(SD 0.00),基线与去偏倚模型相同;BCH在FNR公平任务中交叉性去偏倚模型平均AUPRC 0.64(SD 0.02)vs 基线0.67(SD 0.01),差异见于低敏感性阈值,敏感性>50%时精确率几乎相同。
- 亚组校准:MIMIC-IV中交叉性去偏倚较边缘去偏倚显著降低美洲印第安或阿拉斯加原住民男性ECE(0.119 [95%CI 0.060-0.163] vs 0.097 [95%CI 0.033-0.159],P<.001)、亚洲男性(0.091 [0.071-0.110] vs 0.062 [0.034-0.090],P<.001)、西班牙裔或拉丁裔女性(0.104 [0.089-0.110] vs 0.088 [0.069-0.100],P<.001)、黑人或非裔美国女性(0.102 [0.095-0.107] vs 0.089 [0.072-0.095],P<.001);BCH中白人西班牙裔或拉丁裔女性(0.088 [0.057-0.128] vs 0.076 [0.038-0.114],P<.001)。
- 亚组假阴性率:MIMIC-IV中交叉性去偏倚较边缘去偏倚显著降低美洲印第安或阿拉斯加原住民男性FNR(0.218 [95%CI 0.165-0.289] vs 0.206 [0.141-0.271],P=.02)、亚洲男性(0.205 [0.178-0.226] vs 0.192 [0.168-0.221],P<.001)、亚洲女性(0.150 [0.134-0.167] vs 0.144 [0.124-0.163],P<.001)、白人女性(0.161 [0.145-0.174] vs 0.153 [0.136-0.171],P<.001);BCH中美洲印第安或阿拉斯加原住民非西班牙裔或非拉丁裔男性(0.134 [95%CI 0.000-0.317] vs 0.103 [0.000-0.293],P=.02)。
证据类型、等级与局限
- 证据类型:预后观察性研究,使用两个回顾性队列(MIMIC-IV和BCH),遵循TRIPOD报告规范。
- 局限:交叉性方法中随着保护属性增加组样本量缩小;分析限于3个属性(种族、族裔、性别),仅考虑占人群至少0.1%的交叉组。
- 局限:结果限于1个临床相关预测问题,需进一步研究在其他场景的可推广性。
- 局限:未回答亚组校准与亚组假阴性率哪个是更重要的公平性考量;未涵盖其他公平性指标的权衡;未来前瞻性研究需与社区利益相关者合作定义指标重要性。
对床旁实践的改变
- 作者认为临床风险预测模型应考虑在开发中纳入交叉性去偏倚,以改善交叉亚组的校准和假阴性率而不牺牲总体准确性。
- 作者认为在急诊入院预测中,若关注风险评分解释和分层,亚组校准重要;若关注漏诊干预风险,亚组假阴性率重要;两者及假阳性率在亚组患病率不同时不能同时相等。
提炼说明
- 原文未涉及「诊断标准与关键阈值」「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译29 节 · 点击展开
引言
急诊科(ED)是动态环境,患者就诊时的急迫程度各不相同,需要量身定制且高效的治疗方案,在优先实现预期健康结局的同时优化临床医生工作流程和医院资源利用。急诊科往往为经济资源或医疗保健可及性受限的边缘化人群充当安全网医疗,尤其是在美国的少数族裔群体中。1 这些人群在疾病负担、死亡率和发病率方面也经历着最严重的健康不平等。2,3,4 种族化的健康不平等也体现在整个急诊科工作流程中;黑人和西班牙裔或拉丁裔患者在急诊科接受医生初步评估的等待时间更长,5 尽管数据表明黑人和西班牙裔个体的急诊就诊比例过高,且更可能是反复就诊者。1 在初步分诊后,被指定收治的黑人患者还经历更长的急诊科滞留时间,6 此类延迟与不良健康结局相关(包括重症监护室死亡率7 和呼吸机相关性肺炎)。8
机器学习模型改善急诊科患者管理的能力
急诊科工作流程中的一个关键挑战是协调需要住院治疗患者的收治,因为医院床位是有限资源。床位协调——将患者分配到医疗团队和床位——可能造成瓶颈,当需求超过容量或分配效率低下时,会增加急诊科滞留时间并延误治疗。机器学习(ML)模型可以通过在分诊和初始检查早期、在作出正式收治决定之前识别潜在收治患者,帮助加速这一过程(补充材料1中的eFigure 1)。我们的研究建立在既往急诊科收治预测模型的基础上,这些模型在成人9 和儿科10 环境中已显示出良好性能,改善并补充了主治医师对患者处置的评估。11
公平性与交叉性
既往的急诊科收治模型优化整体性能,而未解决亚组结局的差异。鉴于急诊科等待和滞留时间方面存在的不平等,“公平性不可知”模型可能缩小、维持甚至扩大差异。因此,我们开发了“公平性感知”模型,同时优化整体准确性和由人口学特征定义的各组之间的性能。既往工作已指出,许多公平性方法将其关注点局限于由单一人口学特征(如种族和族裔)定义的群体,或孤立地考虑多个人口学特征(即分别考虑种族和族裔与性别)。12 我们将这些方法称为“边际”方法,因为它们关注受保护属性的边际分布,而忽略由其交叉点定义的群体。边际公平性方法易受“公平性杰利蝾螈”13,14 影响,即被认为对由单一属性定义的群体(即分别对黑人群体或女性群体)公平的模型,对由受保护属性交叉点定义的群体(即美洲原住民女性或拉丁裔男性)仍表现出不公平的性能。我们在补充材料1的eTable 1中提供了当前可用的公平机器学习算法及其对交叉亚组定义支持情况的分类说明。
缓解公平性选区操纵(fairness gerrymandering)的方法根植于交叉性(intersectionality),这一框架由Crenshaw15,16和Collins17建立,其起源可追溯至19世纪30年代的社会运动。18,19,20交叉性认为压迫体系(如种族主义和顺性别主义)是共同发生的,强调分析单一歧视轴(如种族和民族)无法捕捉面临多种形式歧视的个体所经历的伤害。21既往研究表明该框架如何适用于预测任务不同阶段(从定义到评估和更新任务)的机器学习公平性。12
在算法公平性中,该框架推动了交叉性公平(intersectional fairness),即约束模型在由受保护属性交叉所定义的群体间的表现,而非仅关注由1个或多个受保护属性的边缘分布所定义群体的边缘公平性(marginal fairness)。理论上,交叉性公平是理想状态;实践中,由于多重边缘化群体的数据稀缺,可能难以实现。
去偏与公平性评估
公平性指标必须根据应用背景谨慎选择。12根据医院的患者人群、急诊科流量和运营实践,不同指标可能在不同群体间最优地优化诊疗。例如,在寄留等待时间存在特别高的种族民族不平等的急诊科,确保公平校准将确保特定群体不会通过分配的风险评分被降低优先级或过度提高优先级。同时,确保低亚组假阴性率(FNRs)将有助于确保没有任何单一群体以更高比率被错误出院。为覆盖潜在用例场景的广度,我们聚焦于2个基本公平性概念:充分性(sufficiency,即具有相同风险评分的患者应经历独立于群体归属的结果发生率)和分离性(separation,即具有相同结果的患者应获得独立于群体归属的风险评分)。22例如,如果急诊科入院模型满足充分性,则风险评分为90%的患者无论群体归属如何,其入院可能性应相等。反之,如果模型满足分离性,则入院患者的风险评分不应因群体而异,意味着假阴性率(FNRs)和假阳性率(FPRs)在各群体间应相同。这两个特征都是公平预测模型的重要特性,然而当群体间入院率不同时无法同时满足。23因此,我们研究2种公平性算法:一种通过优化群体级校准来实现充分性,另一种通过最小化群体级假阴性率来实现分离性的松弛。第一种算法,多校准提升(multicalibration boosting),24是一种约束群体级校准误差的后处理算法。第二种,面向公平性的多目标优化(fairness-oriented multiobjective optimization,FOMO),25是一种我们用于约束群体级假阴性率的训练算法。
在我们的实验中,我们在2个波士顿医疗中心的成人和儿科人群中评估了急诊入院预测任务(补充材料1中的eFigure 1)(表)。我们比较了边际去偏和交叉去偏与多校准及FOMO的性能,具体包括(1)无去偏,(2)基于单一属性(种族群体或性别)或多个属性同时(种族群体和性别)的边际去偏,以及(3)基于种族群体和性别的交叉去偏。我们在逻辑回归和随机森林模型上实施了这些去偏方法。本研究的总体目标是衡量在不同公平性定义、模型和临床环境下,边际群体上算法公平性优化向交叉患者群体转移的程度。
方法
我们开展了一项入院预测模型的预后观察性研究,模型基于2个急诊医疗中心的回顾性队列进行训练。研究设计经波士顿儿童医院(BCH)机构审查委员会审查批准,并豁免知情同意。豁免知情同意是因为该方案被判定为免审,因其仅限于人类参与者唯一涉及的是无需知情同意的二次研究活动。本研究遵循多变量预测模型个体预后或诊断透明报告(TRIPOD)报告指南。
数据管理
我们的实验基于对急诊就诊患者住院入院预测的任务。近年来,多个医疗中心致力于开发、验证和部署用于该任务的机器学习模型,因为其对患者流转有显著影响。9,10,11,26第一个急诊站点来源于重症监护医学信息库IV(MIMIC-IV)急诊数据库,27该数据库是2011年1月1日至2019年12月31日期间贝斯以色列女执事医疗中心去标识化急诊就诊记录的存储库,于2021年公开发布。第二个是2019年6月1日至8月31日期间从BCH急诊科收集的数据。经过数据预处理(补充材料1中的eMethods)后,我们的分析包括MIMIC-IV队列中90 005名独特患者的160 016次就诊,以及BCH队列中17 938名独特患者的22 222次就诊。
模型开发
在两个队列中,我们训练模型来预测最终处置尚未确定的患者中入住住院服务的可能性。我们使用了签到(例如,主诉)、分诊(例如,生命体征)、患者临床病史(例如,既往入院次数)和人口学数据(自我报告的种族和民族以及性别)期间收集的数据。在BCH队列中,我们额外纳入了患者就诊前60分钟内收集的可用数据,包括实验室检验医嘱和药物(补充材料1中的eTable 4)。
我们测试了XGBoost中实现的树集成模型和惩罚逻辑回归模型(补充材料1中的eMethods)。这些模型的超参数通过减半网格搜索进行调优。此外,我们变化了去偏中使用的公平性任务和患者亚组定义。这些场景总结于框中。
变量
群体构建场景
设置
基线:无公平性优化
性别、种族、民族、种族群体:保护单一属性
边缘:边缘地保护所有敏感属性
交叉:保护所有敏感属性的交叉部分
变量
公平性任务(算法)
设置
公平校准(多校准提升)
公平假阴性率(面向公平性的多目标优化)
变量
基础分类器
设置
惩罚逻辑回归(惩罚项:{ℓ1, ℓ2},C:{0.01……10})
随机森林(n estimators:100,max depth:4)
变量
实现
设置
100次独立随机种子试验,50/50训练/测试划分
公平性方法
对于所有模型,我们测试了(1)多校准后处理以改善亚组校准性能,以及(2)FOMO以改善亚组FNR。
多校准后处理
多校准后处理24,28允许为边缘和交叉公平性模型灵活指定组。简言之,假设我们有样本数据(xi, yi),其中xi是特征向量,yi是个体i的二元结局。令C表示由x中的受保护属性指定的子集集合(即亚组)。例如,C中的1个子集可以包含所有为亚洲女性的患者的一个子集。一个α-多校准模型满足以下约束:在C中的所有子集和分箱预测区间(例如,预测值在[0.0, 0.1]或[0.7, 0.8]之间)中,期望结局与期望预测之间的绝对差异至多为α。多校准算法更新模型预测,直到C中集合内由分箱预测区间定义的所有样本患病率大于γ的组均满足校准误差约束α。此处,γ作为截断值以防止对非常小的组过拟合。我们的主要结果使用α = .01(将校准误差约束为0.01)和γ = 0.001(考虑样本患病率为0.1%或更高的组)。补充1中的eMethods包含对这些超参数的敏感性分析。
面向公平性的多目标优化
在机器学习中实现不同的公平性概念涉及平衡误差与公平性之间的权衡,其中公平性增加可能导致错误率升高,反之亦然。面向公平性的多目标优化通过多目标优化来优化这种权衡,将误差和公平性视为独立目标。25
我们使用FOMO来联合优化模型的总体平衡准确率,同时最小化交叉亚组间的最大FNR。这一定义有2个动机。第一,它假设急诊科的错误离院比错误入院有可能对患者造成更多伤害。第二,与优化组间FNR均等性的公平性指标(例如,可以通过使模型在其表现良好的某些亚组中表现更差来实现)不同,该指标仅专注于改善患者亚组中的最差情况表现。最小化亚组FNR必须通过最小化总体FNR和总体FPR来平衡,后者因过度拥挤而对等待患者造成分布式伤害;因此,我们联合最大化总体平衡准确率。此设计旨在最小化仅在各亚组间均等化FNR和/或FPR可能导致的潜在伤害,如其他工作中所讨论。29
受保护属性与交叉性
本研究的实验聚焦于3种受保护属性:种族、族裔和性别(在MIMIC-IV队列中,种族和族裔以合并的种族-族裔变量报告)。社会科学、公共卫生和计算科学领域的学者30,31已撰文论述区分个体层面身份与歧视体系的重要性。在此,我们将种族、族裔和性别属性概念化为系统性种族主义、系统性性别歧视和医疗保健获取结构性障碍的不完美代理变量。21
统计分析
统计分析于2022年1月至2024年8月进行。我们对各建模场景配对之间(例如,使用交叉性去偏训练的模型与基线模型)的预期校准误差(ECE)和假阴性率(FNR)进行了成对比较。每一项检验的零假设为观察到的评分可能来自同一建模场景。所有配对样本报告的P值均为双侧Wilcoxon符号秩检验经Holm-Bonferroni校正后的结果。校正后P值<.05视为显著。
结果
分析纳入了MIMIC-IV队列中来自160 016次就诊的47 283例入院(29.5%)(平均[SD]年龄53.0[19.3]岁;57.4%为女性患者,42.6%为男性患者;0.3%为美洲印第安人或阿拉斯加原住民患者,3.7%为亚裔患者,26.2%为黑人患者,10.0%为西班牙裔或拉丁裔患者,59.7%为白人患者)以及BCH中来自22 222次就诊的3617例入院(16.3%)(平均[SD]年龄8.2[6.8]岁;47.9%为女性患者,52.1%为男性患者;0.1%为美洲印第安人或阿拉斯加原住民患者,4.0%为亚裔患者,19.7%为黑人患者,30.6%为西班牙裔或拉丁裔患者,0.2%为夏威夷原住民或太平洋岛民患者,37.7%为白人患者)。患者队列详见附表。
患者亚组间入院率差异
我们观察到按种族、族裔和性别交叉分类的入院率存在显著差异(补充材料1中的eTable 2),提示基于性能的公平性约束(如校准或错误率)的重要性,而非人口统计学均等——后者使各亚组间的结局率相等,因此会导致预测的亚组入院率与观察值产生实质性偏差。
无准确性权衡的公平性
目前对公平性的主流理解源自机会均等和人群组间均等概念,认为公平性需要与整体准确性进行权衡,32然而在实践中,这种权衡可能可以忽略不计。33我们的研究结果与后者一致;在两个数据集和两个公平性目标(校准和FNR)上,去偏方法的总性能与基线模型几乎相同(受试者工作特征曲线下面积[AUROC]均值在±0.01以内;图1;补充材料1中的eTable 3)。与基线模型相比,公平性改善并未降低整体准确性(例如,MIMIC-IV:均值[SD] AUROC,0.85 [0.00],两个模型均如此)。在BCH队列中平衡FNR时,交叉性去偏模型的精确率-召回率曲线下面积(AUPRC)略低(基础场景均值[SD] AUPRC,0.67 [0.01];交叉性场景均值[SD] AUPRC,0.64 [0.02])。这一差异可见于图1中BCH的精确率-召回率曲线,在低召回率或低灵敏度的模型阈值下精确率较低,而这仅在模型阳性分类阈值设置得非常高时才会出现。对于灵敏度或召回率大于50%的模型阈值,交叉性去偏模型表现出与其他模型几乎相同的精确率(图1)。
交叉性去偏带来的公平性增益
我们在图2中比较了各去偏条件下交叉性组间的平均ECE和FNR。在MIMIC-IV各组中,边缘公平性去偏与ECE从0.083降至0.074相关(11.3%),而完全交叉性方法与ECE从0.083降至0.065相关(22.3%;差异,11.1%);在BCH各组中,边缘公平性去偏与ECE从0.111降至0.086相关(22.6%),而完全交叉性方法与ECE从0.111降至0.080相关(28.3%;差异,5.7%)。类似地,与基线相比,交叉性去偏与交叉性组间平均FNR显著降低相关(MIMIC-IV,从0.142降至0.125;降低11.9%;P < .001;BCH,从0.108降至0.102;降低6.3%;P < .001)。在MIMIC-IV各组中,边缘去偏与亚组FNR从0.142降至0.132相关(6.8%)。基于种族-民族群体的去偏在交叉性组间带来的误差率单一降低幅度大于仅基于性别的去偏,但使用组合属性的去偏表现优于单独考虑任一属性或加性考虑两者。
小群体和大群体的交叉去偏与公平性
亚组校准
在MIMIC-IV队列中,与边际去偏相比,交叉去偏与美国印第安或阿拉斯加原住民男性(从0.119 [95% CI, 0.060-0.163]降至0.097 [95% CI, 0.033-0.159];P < .001)、亚洲男性(从0.091 [95% CI, 0.071-0.110]降至0.062 [95% CI, 0.034-0.090];P < .001)、西班牙裔或拉丁裔女性(从0.104 [95% CI, 0.089-0.110]降至0.088 [95% CI, 0.069-0.100];P < .001)以及黑人或非裔美国人女性(从0.102 [95% CI, 0.095-0.107]降至0.089 [95% CI, 0.072-0.095];P < .001)中预期校准误差(ECE)显著降低相关。在BCH队列中,与边际去偏相比,交叉去偏与白人、西班牙裔或拉丁裔女性患者中ECE显著降低相关(从0.088 [95% CI, 0.057-0.128]降至0.076 [95% CI, 0.038-0.114];P < .001)。
亚组假阴性率
在MIMIC-IV队列中,与边际去偏相比,交叉去偏与美国印第安或阿拉斯加原住民男性(从0.218 [95% CI, 0.165-0.289]降至0.206 [95% CI, 0.141-0.271];P = .02)、亚洲男性(从0.205 [95% CI, 0.178-0.226]降至0.192 [95% CI, 0.168-0.221];P < .001)、亚洲女性(从0.150 [95% CI, 0.134-0.167]降至0.144 [95% CI, 0.124-0.163];P < .001)以及白人女性(从0.161 [95% CI, 0.145-0.174]降至0.153 [95% CI, 0.136-0.171];P < .001)中假阴性率(FNR)显著降低相关。在BCH队列中,与边际去偏相比,交叉去偏与美国印第安或阿拉斯加原住民、非西班牙裔或非拉丁裔男性患者中FNR显著降低相关(从0.134 [95% CI, 0.000-0.317]降至0.103 [95% CI, 0.000-0.293];P = .02)。
在MIMIC-IV队列中,交叉去偏方法与其他方法相比,更多与同时最小化最低患病率组(美国印第安或阿拉斯加原住民男性;患病率 = 0.1%)和最高患病率组(白人女性;患病率 = 31.4%)的组特异性ECE(图3)和FNR相关(P < .001)。我们在补充1的e图2中进一步研究了组大小与多校准后处理的关系。逻辑回归模型的结果基本一致(补充1的e图3和e图4)。FOMO训练模型的FNR与准确率之间的权衡见补充1的e图5。
讨论
迄今为止,大多数模型偏倚是在部署后发现的,34 很少有临床预测模型在开发过程中纳入公平性概念。据我们所知,本研究是最早对临床预测模型实施交叉性去偏方法的研究之一,并证明(1)与更常见的边际方法相比,该方法能显著改善模型在亚组上的性能;(2)它能在整体性能发生微小变化的情况下减少不公平性。在 MIMIC-IV 队列中,经交叉性去偏的机器学习模型与亚组 ECE 降低 22.3%、亚组 FNR 降低 11.3% 相关,而 AUROC 或 AUPRC 无变化。在 BCH 队列中,模型与亚组 ECE 降低 28.3% 相关,而 AUROC 或 AUPRC 无降低;亚组 FNR 降低 6.3%,而 AUROC 无降低,平均 AUPRC 降低 4.5%(集中在低灵敏度模型阈值处)。
局限性
本研究存在一些局限性。使用人口学特征的交叉性方法的一个挑战是,随着加入更多受保护属性,组规模会缩小。我们将分析限制在 3 个属性:种族、族裔和性别,并且仅考虑占人群至少 0.1% 的交叉性群体。尽管多校准通过阈值处理小组规模,其他公平性方法则使用群体结局的先验概率。我们在 FOMO 中测试了这两种方法,未发现与结果有显著关联。未来研究可探索更多属性并利用更大的数据集,以检验较小交叉性群体公平性收益的限度。
我们的结果仅限于 1 个临床相关的预测问题,但它是临床环境中广泛存在的一类资源分配问题。进一步工作应检验我们的观察在多大程度上可推广到其他相关场景。
我们未回答亚组校准或亚组 FNR 对该任务而言是否是更重要的公平性考量这一问题;相反,我们衡量了交叉性去偏在多种情景中的重要性。校准对于解释风险评分和进行风险分层很重要。假阴性率对于解释漏干预风险很重要。当亚组中结局患病率不同时,假阴性率、FPR 和校准不能同时相等。23 未来研究可考虑本文未涵盖的这些公平性指标之间的权衡。同样,未来前瞻性研究取决于与社区利益相关方的互动,以确定哪些指标在临床决策支持中更重要。
结论
在这项关于急诊科(ED)入院预测模型的前瞻性研究中,我们发现,在模型开发过程中纳入交叉性亚组对于在验证数据中获得最佳亚组校准很重要。这些公平性收益是在不牺牲整体模型性能的情况下获得的,这表明临床风险预测模型应考虑将交叉性去偏纳入其开发过程。
参考来源
- Lett E, Shahbandegan S, Barak-Corren Y, et al. Intersectional and Marginal Debiasing in Prediction Models for Emergency Admissions. JAMA Netw Open. 2025. PMID: 40440013. doi:10.1001/jamanetworkopen.2025.12947
- 全文:PMC12123471(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12123471/
供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。