生成逼真的患者数据
最优化与控制
2025-07-08 v1 离散数学
机器学习
摘要
针对实际问题开发在实践中表现良好的算法高度依赖于测试时逼真数据的可用性。然而，获取医疗保健优化问题的真实数据通常很困难。对于任何与患者相关的优化问题（例如，患者-房间分配问题），由于数据隐私政策，这一点尤其如此。此外，获得的真实数据通常无法发布，这阻碍了其他研究人员对结果的可重复性。因此，通常使用人工生成的实例。在本文中，我们提出了关于患者-房间分配问题（PRA）实例可行性的组合学见解。我们利用这些见解开发了一个可配置的PRA实例生成器，并带有易于使用的图形用户界面。在这种情况下，可配置性尤其重要，因为我们在对真实数据的广泛分析中观察到，例如，患者年龄和住院时间的概率分布取决于相应的病房。
引用
@article{arxiv.2507.03423,
title = {Generating realistic patient data},
author = {Tabea Brandt and Christina Büsing and Johanna Leweke and Finn Seesemann and Sina Weber},
journal= {arXiv preprint arXiv:2507.03423},
year = {2025}
}