利用电子健康记录自动预测精神疾病患者的死亡率
机器学习
2023-10-19 v1
摘要
精神障碍影响全球数百万人的生活，不仅妨碍其日常生活，还显著缩短预期寿命。本文利用预测性机器学习模型与电子健康记录（EHR）解决预测精神疾病诊断患者死亡率这一长期存在的挑战。从知名临床数据集 MIMIC-III 中提取具有精神疾病诊断的患者的数据，利用人口统计、处方和手术信息。使用了四种机器学习算法（逻辑回归、随机森林、支持向量机和 K 近邻），结果表明随机森林和支持向量机模型优于其他模型，AUC 得分为 0.911。特征重要性分析显示，药物处方尤其是硫酸吗啡在预测中起关键作用。我们应用多种机器学习算法预测 30 天死亡率，随后进行特征重要性分析。本研究可用于协助医院工作人员识别高危患者，以减少超额死亡。
引用
@article{arxiv.2310.12121,
title = {Automatic prediction of mortality in patients with mental illness using electronic health records},
author = {Sean Kim and Samuel Kim},
journal= {arXiv preprint arXiv:2310.12121},
year = {2023}
}