基于贝叶斯评估创伤死亡风险的特征选择
人工智能
2008-05-27 v1
摘要
过去一年，超过 7 万人被送到英国医院接受严重创伤治疗。每次临床医生都必须迅速对患者进行筛查程序，以做出可靠的决策。通常，这种程序大约包括 20 项检测；然而，严重创伤患者的病情仍然难以准确检测。若这些检测被模糊地解释，伤残严重程度的信息将误导决策。决策错误可能致命：使用温和治疗会使患者因术后休克而死亡，而过度治疗也可能导致死亡。我们如何减少因不可靠决策导致的死亡风险？已证明，基于贝叶斯方法对决策模型进行平均化的概率推理，允许临床医生评估决策中的不确定性。在此方法论的基础上，本文旨在选择最重要的筛查检测，保持高性能。我们假设，贝叶斯方法论允许我们发现筛查检测与决策不确定性之间的新关系。在实践中，选择最具信息性的检测还可以降低创伤护理中心的筛查程序成本。我们使用英国创伤数据比较所提出技术在性能方面的效率。我们还比较了决策中不确定性的熵。
引用
@article{arxiv.0805.3802,
title = {Feature Selection for Bayesian Evaluation of Trauma Death Risk},
author = {L. Jakaite and V. Schetinin},
journal= {arXiv preprint arXiv:0805.3802},
year = {2008}
}
备注
4 pages, 14th Nordic Baltic Conference on Biomedical Engineering and Medical Physics