Machine Learning for Administrative Health Records: A Systematic Review of Techniques and Applications

Machine Learning for Administrative Health Records: A Systematic Review of Techniques and Applications

1. 本研究の学術的背景と核心となる「問い」
マシンラーニングは、異質な電子健康記録（EHR）を解析するための強力な技術を提供しています。その中でも、管理的な目的のために収集される管理健康記録（AHR）をマシンラーニングで解析することは、EHR分析の急成長している分野です。既存のEHR分析のレビューは、EHRのデータ形態が適用可能なマシンラーニング技術の範囲と追求可能なヘルスケアアプリケーションを制限すると強調しています。しかし、データ形態の重要性を強調しながらも、どの技術とアプリケーションがAHRに relevantであるかを文献では解析していません。

2. 本研究の目的及び学術的独自性と創造性
本研究は、AHRに基づく研究を系統的にレビューし、どのマシンラーニング技術がAHRに適用され、どのヘルスインフォマティクスアプリケーションがAHRベースの研究で追求されているかを明らかにします。また、これらの制約を把握しつつ、どのようにこれらの技術が各アプリケーションの追求に応用されているかを解析します。

3. 本研究の着想と位置づけ
AHRは、他のEHRによって捉えられる他のデータ形態とは異なる、ユニークに構造化されたカテゴリ的にエンコードされた記録を含んでおり、これは患者がヘルスケアシステムとどのように関わっているかに関する貴重な情報を提供します。この特徴を活かして、AHRベースの研究がどのようにヘルスインフォマティクス研究に貢献しているかを詳細に解析します。

4. 本研究で明らかにしたこと
研究は、AHRベースの研究が互いに切り離されている一方で、ヘルスインフォマティクス研究におけるAHRの利用はかなり大規模で、急速に加速していることを示しています。私たちの調査は、AHRが一部のデータベース制限と技術制限にもかかわらず、ますます複雑かつ多様な研究目標を追求するための有用性を強調しています。

5. 本研究の有効性の検証方法
Ta複数のデータベースにわたる70の関連研究を分析し、それらの研究の分析を通じてAHRデータとマシンラーニング技術のヘルスインフォマティクス研究への有用性を提案しています。