基于 Diffusion GraphSAGE 的医养酒店 COVID-19 患者转院风险预测
机器学习
2023-01-05 v1 计算机与社会
摘要
全球 COVID-19 大流行已造成全球超过六百万死亡。台湾地区设立了医养酒店，作为无症状或轻症 COVID-19 患者的隔离设施。由于此类酒店医疗照护有限，识别有临床恶化风险的患者至关重要。本研究旨在开发并评估一种基于图的深度学习方法，用于医养酒店场景下的进展性转院风险预测。研究获取了 632 名患者的生命体征测量值，并构建了每日患者相似图。在时序集成图之上训练归纳式图卷积网络模型以预测转院风险。基于过去 1、2、3 天测量值，所提模型在转院风险预测上的 AUC 分数均高于 0.83，优于基线机器学习方法。利用局部聚类系数对构建的基于扩散的图进行事后分析，发现了一个高风险簇，其平均年龄显著更大、体温更高、SpO2 更低、住院时长更短。进一步的转院时间生存分析也揭示该高风险簇的生存概率显著下降。所得结果证明了所提基于图的方法具有良好的可预测性与可解释性。该技术或可帮助在社区型类似医养酒店的医疗机构中 preemptively 检测高风险患者。
引用
@article{arxiv.2301.01596,
title = {Hospital transfer risk prediction for COVID-19 patients from a medicalized hotel based on Diffusion GraphSAGE},
author = {Jun-En Ding and Chih-Ho Hsu and Kuan-Chia Ling and Ling Chen and Fang-Ming Hung},
journal= {arXiv preprint arXiv:2301.01596},
year = {2023}
}