面向行政管理健康记录的机器学习：技术与应用系统性综述
机器学习
2023-08-29 v1
摘要
机器学习为分析异构电子健康记录（EHR）提供了许多强大有效的技术。行政管理健康记录（AHR）是出于管理目的收集的 EHR 子集，在 AHR 上应用机器学习是 EHR 分析学中一个不断增长的分支。现有 EHR 分析综述强调 EHR 的数据模态限制了适用机器学习技术的广度以及可追求的医疗保健应用。尽管强调了数据模态的重要性，文献却未能分析哪些技术与应用与 AHR 相关。AHR 包含独特良好结构化、类别化编码的记录，不同于 EHR 捕获的其他数据模态，且能提供有关患者如何与医疗系统交互的宝贵信息。本文系统性综述基于 AHR 的研究，分析跨越多个数据库的 70 项相关研究。我们识别并分析与 AHR 应用的机器学习技术以及基于 AHR 研究所追求的卫生信息学应用。我们还分析这些技术如何应用于追求各应用，并识别这些方法的局限性。我们发现尽管基于 AHR 的研究彼此脱节，但 AHR 在卫生信息学研究中使用广泛且加速增长。我们对这些研究的综合凸显了尽管存在诸多基于数据与技术的普遍性局限，AHR 对于追求日益复杂多样的研究目标仍具效用。最后，通过我们的发现，我们提出一组未来研究方向，可提升 AHR 数据与机器学习技术对卫生信息学研究的效用。
引用
@article{arxiv.2308.14216,
title = {Machine Learning for Administrative Health Records: A Systematic Review of Techniques and Applications},
author = {Adrian Caruana and Madhushi Bandara and Katarzyna Musial and Daniel Catchpoole and Paul J. Kennedy},
journal= {arXiv preprint arXiv:2308.14216},
year = {2023}
}