重症监护病房中的临界转变：一项脓毒症案例研究
定量方法
2019-10-24 v2 计算工程、金融与科学
应用统计
摘要
复杂人类疾病的进展与跨越动力学状态的临界转变相关。这些转变通常会产生早期预警信号，并为潜在的疾病驱动机制提供见解。在本文中，我们提出了一种基于惊喜损失 (SL) 的计算方法，用于在脓毒性休克和非脓毒症患者队列的多变量时间序列数据集 (MIMIC-III 数据库) 中发现此类转变的数据驱动指标。SL 的核心思想是以无监督方式在时间序列上训练一个数学模型，并量化模型预测（样本外）性能相对于其过去（样本内）性能的恶化程度。将 SL 移动平均值的最高点视为临界转变，我们的回顾性分析表明，临界转变发生在脓毒性休克发作前中位数超过 35 小时，这表明我们的方法可作为早期预警指标。此外，我们表明，脓毒性休克和非脓毒症队列在临界转变区域的临床变量存在显著差异。因此，本文提出了一种基于临界转变的数据采样策略，可用于进一步分析，例如患者分类。此外，我们的方法优于复杂系统中其他临界转变指标，如时间自相关和方差。
引用
@article{arxiv.1902.05764,
title = {Critical Transitions in Intensive Care Units: A Sepsis Case Study},
author = {Pejman F. Ghalati and Satya S. Samal and Jayesh S. Bhat and Robert Deisz and Gernot Marx and Andreas Schuppert},
journal= {arXiv preprint arXiv:1902.05764},
year = {2019}
}
备注
16 pages, 8 figures, 2 tables