基于患者调查数据支持COVID-19诊断的分类方法
机器学习
2023-05-23 v1 应用统计
摘要
由于症状模糊且医生初期经验仍不足，将COVID-19与其他流感样疾病区分开来可能较为困难。然而，筛选出那些无需进行SARS-CoV-2感染检测的病患至关重要，尤其在疾病急剧增加的情况下。作为所呈现研究的一部分，我们生成了逻辑回归和XGBoost分类器，可对患者是否有效筛查COVID-19。每种方法都经过调优，以在分类过程中达到假阴性预测值的可接受阈值。此外，给出了所获分类模型的解释。该解释使用户能够理解模型所做出决策的依据。所获分类模型为DECODE服务(decode.polsl.pl)提供了基础，该服务可作为筛查COVID-19患者的支撑。此外，构成所执行分析基础的数据集已向研究界公开。该基于波兰一家医院所收集问卷、包含逾3000个样本的数据集已开放。
引用
@article{arxiv.2011.12247,
title = {Classification supporting COVID-19 diagnostics based on patient survey data},
author = {Joanna Henzel and Joanna Tobiasz and Michał Kozielski and Małgorzata Bach and Paweł Foszner and Aleksandra Gruca and Mateusz Kania and Justyna Mika and Anna Papiez and Aleksandra Werner and Joanna Zyla and Jerzy Jaroszewicz and Joanna Polanska and Marek Sikora},
journal= {arXiv preprint arXiv:2011.12247},
year = {2023}
}
备注
39 pages, 5 figures