重症监护病房患者预测模型的泛化能力
机器学习
2018-12-07 v1 机器学习
摘要
大量研究致力于构建临床数据的预测模型；然而，许多现有文献仅使用单一数据源报告结果。本工作中，我们评估了在公开可用的 eICU Collaborative Research Database 上训练的模型性能。我们表明，使用多个不同中心进行交叉验证，可对新中心中的模型表现给出合理估计。我们进一步表明，跨中心训练的单一模型能很好地迁移至不同医院，即便与使用医院专属数据重新训练的模型相比也是如此。我们的结果支持了在多中心数据集上开发模型的做法，并凸显了医院间数据共享以最大化模型性能的必要性。
引用
@article{arxiv.1812.02275,
title = {Generalizability of predictive models for intensive care unit patients},
author = {Alistair E. W. Johnson and Tom J. Pollard and Tristan Naumann},
journal= {arXiv preprint arXiv:1812.02275},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:1811.07216