临床警报的条件性离群检测
机器学习
2026-05-07 v1 计算机与社会
摘要
我们发展并评估了一种数据驱动的方法，用于检测使用电子健康记录 (EHR)系统存储的过去病例中出现的异常 (异常)患者管理措施。我们的假设是，与过去患者相比异常的患者管理措施可能源于潜在错误，值得在遇到此类情况时提出警报。我们使用来自4,486例心脏手术后患者的电子健康记录数据进行评估。评估基于专家小组的意见。结果支持异常基准警报可实现相对较低的误报率，且更强的异常与更高的警报率相关联。
引用
@article{arxiv.2605.05124,
title = {Conditional outlier detection for clinical alerting},
author = {Milos Hauskrecht and Michal Valko and Shyam Visweswaran and Iyad Batal and Gilles Clermont and Gregory Cooper},
journal= {arXiv preprint arXiv:2605.05124},
year = {2026}
}
备注
AMIA 2010 Annual Symposium proceedings, pp. 286-290. Homer R. Warner Best Paper Award