揭示化脓性汗腺炎误诊和漏诊负担的机器学习方法数据表1

资源简介

揭示化脓性汗腺炎误诊和漏诊负担的机器学习方法数据表1

【一句话概览】

本数据集是 figshare 公开的结构化表格数据集，收录 1 个文件、合计 177.20 KB，主题涵盖 machine learning、hidradenitis suppurativa、prediction、diagnosis、dermatology，可用于统计建模、特征工程与队列分析，CC BY 4.0 许可开放获取。

【数据集背景】

本数据集源站标题为《Datasheet1_Uncovering the burden of hidradenitis suppurativa misdiagnosis and underdiagnosis: a machine learning approach.docx》。配套论文《Comparative Overall Comorbidity Burden Among Patients With Hidradenitis Suppurativa》发表于 JAMA Dermatology（2019），DOI：10.1001/jamadermatol.2019.0164。源站首次发布：2024-03-25。

【数据内容】

源站原始描述：Hidradenitis suppurativa (HS) is a chronic inflammatory follicular skin condition that is associated with significant psychosocial and economic burden and a diminished quality of life and work productivity. Accurate diagnosis of HS is challenging due to its unknown etiology, which can lead to underdiagnosis or misdiagnosis that results in increased patient and healthcare system burden. We applied machine learning (ML) to a medical and pharmacy claims database using data from 2000 through 2018 to…

中文译文（机器翻译，仅供快速理解，请以原文为准）：化脓性汗腺炎（HS）是一种慢性炎症性毛囊性皮肤病，与显著的心理社会和经济负担以及生活质量和工作效率下降相关。由于HS病因不明，准确诊断HS具有挑战性，这可能导致漏诊或误诊，从而加重患者和医疗系统的负担。我们将机器学习（ML）应用于一个医疗和药房理赔数据库，使用2000年至2018年的数据，开发了一种新型模型，以在医疗系统层面更好地理解HS的漏诊情况。主要结果表明，可以使用理赔数据构建用于预测HS诊断的高性能模型，在表现最佳的模型中观察到曲线下面积（AUC）为81%–82%。本研究中所开发模型的结果可输入到一个不作为影响模型的开发中，该模型用于确定HS诊断和治疗延迟对医疗系统造成的成本影响。

【数据结构与技术规格】

文件数 1 个，合计 177.20 KB。Datasheet1_Uncovering the burden of hidradenitis suppurativa misdiagnosis and underdiagnosis: a machine learning approach.docx：application/vnd.openxmlformats-officedocument.wordprocessingml.document，177.20 KB。数据集 DOI：10.3389/fmedt.2024.1200400.s001。

【主题与分类】

源站学科分类：Medical Biotechnology Diagnostics (incl. Biosensors)、Regenerative Medicine (incl. Stem Cells and Tissue Engineering)、Biotechnology、Medical Devices、Biomedical Engineering not elsewhere classified。主题标签：machine learning、hidradenitis suppurativa、prediction、diagnosis、dermatology、model。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面：https://frontiersin.figshare.com/articles/dataset/Datasheet1_Uncovering_the_burden_of_hidradenitis_suppurativa_misdiagnosis_and_underdiagnosis_a_machine_learning_approach_docx/25468828

使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。

规范引用：Kirby, Joslyn; Kim, Katherine; Zivkovic, Marko; Wang, Siwei; Garg, Vishvas; Danavar, Akash; et al. (2024). Datasheet1_Uncovering the burden of hidradenitis suppurativa misdiagnosis and underdiagnosis: a machine learning approach.docx. Frontiers. Dataset