基于电子健康记录数据聚类相似患者的无监督同质化流程
定量方法
2018-03-22 v2
摘要
电子健康记录（EHR）包含有关患者临床史的大量多样信息，如生命体征、人口统计学特征、诊断代码和影像数据。该丰富数据集在发现方面的巨大潜力受其复杂性与异质性的阻碍。我们提出首项评估专为EHR聚类设计的无监督同质化流程的研究。为确定最优流程，我们在具有不同冗余度、异质性和缺失量的模拟数据上测试了准确性。我们确定了两种最优流程：1）链式方程多重插补（MICE）结合局部线性嵌入；以及2）MICE、Z分数标准化和深度自编码器。
引用
@article{arxiv.1801.00065,
title = {An Unsupervised Homogenization Pipeline for Clustering Similar Patients using Electronic Health Record Data},
author = {Alvaro Ulloa and Anna Basile and Gregory J. Wehner and Linyuan Jing and Marylyn D. Ritchie and Brett Beaulieu-Jones and Christopher M. Haggerty and Brandon K. Fornwalt},
journal= {arXiv preprint arXiv:1801.00065},
year = {2018}
}
备注
conference