电子健康记录上的机器学习：预测用药不依从的模型与特征使用
机器学习
2018-11-30 v1 人工智能
机器学习
摘要
依从性可定义为“患者按其医疗服务提供者处方服药的程度”[Osterberg and Blaschke, 2005]。世界卫生组织报告指出，在发达国家，仅约 50% 的慢性病患者正确遵循其治疗。这严重损害长期治疗的效率并增加医疗服务成本。我们在本文中提出乳腺癌治疗中患者药物消耗的不同模型。这些不同方法旨在预测用药不依从，同时向医生揭示这些不合理中断的潜在原因。通过与肿瘤学家合作，我们展示了经专家反馈微调的机器学习算法的价值，用以估计患者不依从的风险评分，从而改善其照护路径中的支持。
引用
@article{arxiv.1811.12234,
title = {Machine Learning on Electronic Health Records: Models and Features Usages to predict Medication Non-Adherence},
author = {Thomas Janssoone and Clémence Bic and Dorra Kanoun and Pierre Hornus and Pierre Rinder},
journal= {arXiv preprint arXiv:1811.12234},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018