利用机器学习检测患者的求助需求
摘要
开发支持健康分析的机器学习模型需要增进对自评表述语句统计特性的理解。我们分析了有关冠状病毒COVID-19疫情的自评表述语句，以识别受访者群体间的统计显著差异，并利用机器学习检测患者的求助需求。我们的定量研究收集了针对冠状病毒疫情相关的20条健康相关表述语句在11点李克特量表上的“求助需求”评分，以及关于个人健康与福祉、性别和年龄的9个回答。2020年5月30日至8月3日的在线受访者来自芬兰患者和残疾人组织、其他健康相关组织与专业人员以及教育机构（n=673）。我们使用Kendall秩相关和余弦相似度度量以及Wilcoxon秩和、Kruskal-Wallis和单因素方差分析（ANOVA）检验分析了组间评分差异与依赖关系，并使用卷积神经网络算法的基础实现进行了机器学习实验。我们发现“求助需求”评分与一组背景问题之间，以及多种健康相关表述语句对之间存在统计显著相关性和高余弦相似度值。我们还基于背景问题回答值划分的群体中，识别出若干健康相关表述语句的 statistically significant 评分差异，例如根据估计健康状况、生活质量和性别而对疑似感染冠状病毒和已感染的评分差异。我们的卷积神经网络算法实验显示了机器学习在支持检测患者表述中的求助需求方面的适用性。
引用
@article{arxiv.2012.13626,
title = {Detecting the patient's need for help with machine learning},
author = {Lauri Lahti},
journal= {arXiv preprint arXiv:2012.13626},
year = {2021}
}
备注
Corresponding author: Lauri Lahti (email: [email protected]). The first manuscript version of this research article was self-archived (arXiv:2012.13626) on 24 December 2020 and this second manuscript version on 23 March 2021. Changes include extensions, clarifications and corrections. This article contains 26 pages, 7 tables and 5 figures. Supplemented with Appendix A (12 pages)