基于复杂网络对患者路径进行建模与挖掘的框架
计算机与社会
2023-10-30 v2 人工智能
信息检索
机器学习
摘要
自动发现一种模型来表示一组患者与医疗系统接触的历史——即所谓的“患者路径”——是一个新兴的研究领域，支持临床与组织决策以改善所提供治疗的质量与效率。慢性病患者的路径往往因人而异、具有重复性任务，并且需要分析影响结果的多个视角（干预、诊断、医学专科等）。因此，对这些路径进行建模与挖掘仍是一项具有挑战性的任务。在本工作中，我们提出一个框架，包括：(i) 基于多方面图(multi-aspect graph)的路径模型，(ii) 一种考虑经过时间、用于比较路径的新异质性度量，(iii) 一种基于传统中心性度量的挖掘方法以发现路径中最相关的步骤。我们使用妊娠与糖尿病研究案例对框架进行了评估，结果表明其在发现相似路径簇、以易于解释的方式表示路径以及根据多视角突出最显著模式方面的实用性。
引用
@article{arxiv.2309.14208,
title = {Framework based on complex networks to model and mine patient pathways},
author = {Caroline de Oliveira Costa Souza Rosa and Márcia Ito and Alex Borges Vieira and Klaus Wehmuth and Antônio Tadeu Azevedo Gomes},
journal= {arXiv preprint arXiv:2309.14208},
year = {2023}
}
备注
35 pages, 11 figures, 2 appendices