将基于机器学习的早期脓毒症检测扩展至不同人群
机器学习
2023-11-09 v1 人工智能
计算机与社会
摘要
脓毒症需要紧急诊断，但研究主要集中于西方数据集。在本研究中，我们使用公共 eICU-CRD 数据集和韩国圣玛丽医院私有数据集，对 LightGBM 和 XGBoost 两种集成学习方法进行比较分析。我们的分析揭示了这些方法在处理医疗数据不平衡和增强脓毒症检测方面的有效性。具体而言，LightGBM 在计算效率和可扩展性上略占优势。该研究为机器学习在重症监护中的更广泛应用铺平了道路，从而在全球范围内拓展了医疗预测分析的应用。
引用
@article{arxiv.2311.04325,
title = {Extending Machine Learning-Based Early Sepsis Detection to Different Demographics},
author = {Surajsinh Parmar and Tao Shan and San Lee and Yonghwan Kim and Jang Yong Kim},
journal= {arXiv preprint arXiv:2311.04325},
year = {2023}
}