面向住院患者的电子健康记录数据抽取与准备的挑战与建议——实用指南
机器学习
2025-03-18 v2 人工智能
摘要
使用电子健康记录（EHR）数据进行动态预测建模近年来受到广泛关注。其可靠性和可信度高度依赖于底层数据的质量，而这在一定程度上取决于随模型开发步骤前的阶段：从 EHR 系统中提取数据和数据准备。在本文中，我们识别了超过四十个在这些阶段过程中遇到的挑战，并提供了可操作的建议来解决这些问题。这些挑战被组织为四个类别：队列定义、结果定义、特征工程和数据清洗。这个全面的列表为数据抽取工程师和研究人员提供了实用指南，推动最佳实践的实施，提高临床环境中动态预测模型的质量和实际应用性。
引用
@article{arxiv.2501.10240,
title = {Challenges and recommendations for Electronic Health Records data extraction and preparation for dynamic prediction modelling in hospitalized patients -- a practical guide},
author = {Elena Albu and Shan Gao and Pieter Stijnen and Frank E. Rademakers and Bas C T van Bussel and Taya Collyer and Tina Hernandez-Boussard and Laure Wynants and Ben Van Calster},
journal= {arXiv preprint arXiv:2501.10240},
year = {2025}
}