基于多变量临床时间序列数据聚类的创伤性脑损伤生理状态识别

从具有缺失值的多变量时间序列数据中确定临床相关的生理状态，对于为创伤性脑损伤（TBI）、呼吸衰竭和心力衰竭等急性病症提供适当治疗至关重要。使用非时间聚类或数据插补与聚合技术可能导致有价值信息的丢失和分析偏差。在我们的研究中，我们应用SLAC-Time算法，这是一种基于自监督的创新方法，通过避免插补或聚合来保持数据完整性，从而提供更有用的急性患者状态表示。通过使用SLAC-Time对大型研究数据集中的数据进行聚类，我们识别了三种不同的TBI生理状态及其特定的特征轮廓。我们采用多种聚类评估指标并结合临床领域专家的输入来验证和解释所识别的生理状态。此外，我们发现了特定临床事件和干预措施如何影响患者状态及状态转移。