利用不平衡数据集的层次化元分类从门诊记录评估慢性肾脏病
定量方法
2017-12-07 v1
摘要
慢性肾脏病（CKD）是一种日益普遍的病症，影响美国13%的人口。该疾病常呈隐匿性，使其诊断具有挑战性。从标准门诊记录中识别CKD分期有助于疾病的早期检测并促成及时干预。我们使用的数据集高度不平衡。我们提出了一种层次化元分类方法，旨在按严重程度对CKD进行分层，采用从门诊记录中收集的简易定量非文本特征，同时处理数据不平衡问题。我们的方法有效地对CKD严重程度进行分层，获得了高平均灵敏度、准确率和F值（约93%）。我们还进行了实验，将数据的维度显著降低，仅保留最显著的特征。我们的结果表明，即使在使用降维特征集以及大幅缩减的训练集时，系统的良好性能依然保持，表明我们的方法稳定且可泛化。
引用
@article{arxiv.1712.01931,
title = {Assessing Chronic Kidney Disease from Office Visit Records Using Hierarchical Meta-Classification of an Imbalanced Dataset},
author = {M. Bhattacharya and C. Jurkovitz and H. Shatkay},
journal= {arXiv preprint arXiv:1712.01931},
year = {2017}
}
备注
8 pages, 5 figures, 4 tables