利用结构化特征与非结构化临床笔记对脓毒症患者重症监护环境下早期死亡率的预测
计算机与社会
2021-12-03 v1 机器学习
摘要
脓毒症是死亡的一个重要原因，尤其在重症监护病房(ICU)患者中。开发识别早期死亡的新方法对于改善脓毒症患者的生存结果至关重要。利用MIMIC-III数据库，我们整合了人口统计学数据、生理测量值和临床笔记。我们构建并应用了若干机器学习模型，以预测脓毒症患者的院内死亡率和30天死亡率。从临床笔记中，我们生成了具有临床意义的词表示与嵌入。监督学习分类器与一种深度学习架构被用于构建预测模型。同时利用结构化与非结构化临床特征的配置取得了0.512的竞争性F值。我们的结果表明，整合结构化与非结构化临床特征的方法可有效应用于协助临床医生在脓毒症患者入住ICU时识别其死亡风险。
引用
@article{arxiv.2112.01230,
title = {Early Prediction of Mortality in Critical Care Setting in Sepsis Patients Using Structured Features and Unstructured Clinical Notes},
author = {Jiyoung Shin and Yikuan Li and Yuan Luo},
journal= {arXiv preprint arXiv:2112.01230},
year = {2021}
}