与反复急诊和住院就诊相关合并症的可解释识别
机器学习
2022-11-23 v3 机器学习
摘要
在医院环境中,一小部分反复频繁就诊的患者占据了不成比例的医疗资源使用量。此外,在许多此类病例中,通过减少反复就诊可大幅改善患者结局,特别是当这些就诊与物质滥用、精神健康以及可通过社会行为干预、门诊或预防护理改善的医疗因素相关时。另外,减少可预防的反复就诊可显著降低医疗成本。为此,我们开发了一个计算高效且可解释的框架,既能识别高使用的反复就诊患者,又能确定哪些合并症对其反复就诊贡献最大。具体而言,我们提出了一种称为最小相似关联规则(MSAR)的新算法,平衡置信度-支持度权衡,以确定与反复急诊科(ED)和住院就诊最相关的病症。我们在大型电子健康记录(EHR)数据集上验证了 MSAR。
引用
@article{arxiv.2110.13769,
title = {Interpretable Identification of Comorbidities Associated with Recurrent ED and Inpatient Visits},
author = {Luoluo Liu and Eran Simhon and Chaitanya Kulkarni and David Noren and Ronny Mans},
journal= {arXiv preprint arXiv:2110.13769},
year = {2022}
}