用于预测、诊断并缓解医院再入院中健康差异的机器学习模型
人工智能
2022-08-02 v2 计算机与社会
摘要
住院患者高血糖的管理对发病率和死亡率均有显著影响。因此,预测糖尿病患者住院需求十分重要。然而,使用标准机器学习方法做出这些预测可能导致由与社会决定因素(如种族、年龄和性别)相关的数据偏差引起的健康差异。这些偏差必须在数据收集过程的早期被消除,以免其进入系统并被模型预测强化,从而导致模型决策中的偏差。在本文中,我们提出了一种能够进行预测并检测和缓解数据与模型预测中偏差的机器学习流水线。该流水线分析临床数据并确定数据中是否存在偏差,若存在,则在预测前消除这些偏差。我们使用准确率和公平性度量在临床试验数据集上评估所提方法的性能。结果表明,当我们在数据摄入早期缓解偏差时,获得了更公平的预测。
引用
@article{arxiv.2206.06279,
title = {A Machine Learning Model for Predicting, Diagnosing, and Mitigating Health Disparities in Hospital Readmission},
author = {Shaina Raza},
journal= {arXiv preprint arXiv:2206.06279},
year = {2022}
}
备注
report