基于诊断的重症监护病房患者死亡率预测：迁移学习方法
机器学习
2025-12-09 v1 应用统计
摘要
在重症监护病房中，危重症的潜在原因因诊断而异，但尚未有系统地研究考虑诊断异质性的预测模型。为填补这一空白，我们评估了用于诊断特异性死亡率预测的迁移学习方法，并将基于 GLM 和 XGBoost 的模型应用于 eICU 协作研究数据库。我们的结果表明，迁移学习始终优于仅在诊断特异性数据上训练的模型以及仅使用著名的 ICU 疾病严重程度评分（即 APACHE IVa）训练的模型，同时在与合并数据训练的模型相比时也实现了更好的校准。我们的发现还表明，Youden 截断值是二分类结果比常规 0.5 更合适的决策阈值，并且迁移学习在各种截断标准下均保持一致的高预测性能。
引用
@article{arxiv.2512.06511,
title = {Diagnosis-based mortality prediction for intensive care unit patients via transfer learning},
author = {Mengqi Xu and Subha Maity and Joel Dubin},
journal= {arXiv preprint arXiv:2512.06511},
year = {2025}
}