一种用于 HIV 感染者医疗留存预测的机器学习系统
计算机与社会
2020-06-11 v1 机器学习
摘要
使 HIV 感染者（PLWH）保持在医疗照护中，对预防病毒新发传播并让 PLWH 拥有正常健康寿命至关重要。与 HIV 医疗服务提供者保持定期预约并终身每日服药极为困难。51% 的 PLWH 用药不依从，并最终脱离医疗照护。当前重新联结个体与照护的方法具有被动性（在患者已脱落后），因而效果不佳。我们描述了用于芝加哥大学 HIV 诊所与芝加哥公共卫生部、预测谁最可能脱离照护风险的系统。模型根据其资源约束下的预测性能、时间稳定性以及公平性被选型。我们的系统可作为临床场景中的即时照护系统，也可作为批量预测系统以支持城市层面的定期干预。我们的模型在临床模型上比基线好 3 倍，在城市范围模型上比基线好 2.3 倍。代码已发布于 github，我们希望该方法论，尤其是我们对公平性的关注，能被其他诊所与公共卫生机构采纳，以遏制 HIV 流行。
引用
@article{arxiv.2006.04944,
title = {A Machine Learning System for Retaining Patients in HIV Care},
author = {Avishek Kumar and Arthi Ramachandran and Adolfo De Unanue and Christina Sung and Joe Walsh and John Schneider and Jessica Ridgway and Stephanie Masiello Schuette and Jeff Lauritsen and Rayid Ghani},
journal= {arXiv preprint arXiv:2006.04944},
year = {2020}
}