EmbPred30：利用类别嵌入评估糖尿病患者30天再入院
机器学习
2020-02-27 v1 应用统计
机器学习
摘要
再入院是一项关键医疗质量指标，有助于确定医院向患者提供护理的质量水平，且已被证明极为昂贵。据估计，美国因糖尿病患者再入院每年花费超过$25 billion。本文对现有模型进行基准测试，并提出一种基于嵌入的最先进深度神经网络（DNN）。该模型可识别住院糖尿病患者是否在30天内再入院，在1999—2008年130家美国医院收集的数据上准确率达95.2%，受试者工作特征曲线下面积（AUROC）为97.4%。结果令人鼓舞：入院期间用药变更的患者再入院几率较高。识别有再入院风险的患者可帮助医院系统改善其住院护理，从而避免不必要的支出。
引用
@article{arxiv.2002.11215,
title = {EmbPred30: Assessing 30-days Readmission for Diabetic Patients using Categorical Embeddings},
author = {Sarthak and Shikhar Shukla and Surya Prakash Tripathi},
journal= {arXiv preprint arXiv:2002.11215},
year = {2020}
}