基于机器学习的谵妄预测中的算法偏见
机器学习
2022-11-29 v2
摘要
尽管用于谵妄（一种在普通住院或手术后常见的病症）的预测模型尚未获得广泛普及，但由于健康的社会决定因素与谵妄风险之间存在已知关联，其算法偏见评估至关重要。在此背景下，我们利用 MIMIC-III 和另一个学术医院数据集，展示了一些初步的实验证据，表明性别和种族等社会人口学特征如何影响模型在不同亚组上的性能。通过这项工作，我们旨在发起一场关于老年、种族和社会经济因素对利用机器学习早期检测和预防谵妄的交叉性影响的讨论。
引用
@article{arxiv.2211.04442,
title = {Algorithmic Bias in Machine Learning Based Delirium Prediction},
author = {Sandhya Tripathi and Bradley A Fritz and Michael S Avidan and Yixin Chen and Christopher R King},
journal= {arXiv preprint arXiv:2211.04442},
year = {2022}
}
备注
Extended Abstract presented at Machine Learning for Health (ML4H) symposium 2022, November 28th, 2022, New Orleans, United States & Virtual, http://www.ml4h.cc, 14 pages