ICU患者恶化预测：一种数据挖掘方法
计算机与社会
2015-11-24 v1 机器学习
摘要
每天都会生成海量医疗数据，这对数据分析提出了挑战。应对该挑战的明显解决方案是在不损失信息的前提下减少数据量。降维被认为是减小数据规模以及降低数据中噪声和冗余的最流行方法。本文中，我们研究特征选择在改善ICU患者恶化预测中的效果。我们将实验室检测视为特征。因此，选择特征子集将意味着选择要进行的最重要的实验室检测。如果能够通过识别最重要的检测来减少检测数量，那么我们也能识别出冗余检测。通过省略冗余检测，可以缩短观察时间并提供早期治疗以避免风险。此外，还可避免不必要的经济成本。我们的方法使用最先进的特征选择，利用医学实验室结果预测ICU患者恶化。我们将该技术应用于公开可用的MIMIC-II数据库，并展示了特征选择的有效性。我们还对所提方法识别出的最佳特征进行了详细分析。
引用
@article{arxiv.1511.06910,
title = {ICU Patient Deterioration prediction: a Data-Mining Approach},
author = {Noura AlNuaimi and Mohammad M Masud and Farhan Mohammed},
journal= {arXiv preprint arXiv:1511.06910},
year = {2015}
}
备注
16 pages, 3 figures, 10 tables, confeence