用于预测新冠病毒患者住院时长的过采样技术
机器学习
2025-11-20 v1
摘要
新冠病毒是一种引发全球大流行的呼吸道疾病。它高度传染性，症状包括：发热或寒战、咳嗽、呼吸困难、疲劳、肌肉或身体疼痛、头痛、全新失去味觉或嗅觉、咽喉疼痛、鼻塞或流涕、恶心或呕吐以及腹泻。这些症状的严重程度各异；一些患者由于多发展风险因素，可能住院时间较长或因病死亡。本文我们分析患者的电子健康记录 (EHR)，以住院时长 (LOS) 作为严重程度度量，预测新冠病毒感染的严重程度。这是一个不平衡分类问题，因为许多人住院时间较短而非更长。为克服此问题，我们合人工创建交叉过采样训练数据集。获得过采样数据后，我们将其输入人工神经网络 (ANN)，该网络在训练期间通过贝叶斯优化调整其超参数。我们选取 F1 分数最好的模型进行评估与讨论。
引用
@article{arxiv.2511.15048,
title = {Oversampling techniques for predicting COVID-19 patient length of stay},
author = {Zachariah Farahany and Jiawei Wu and K M Sajjadul Islam and Praveen Madiraju},
journal= {arXiv preprint arXiv:2511.15048},
year = {2025}
}
备注
10 pages, 2022 IEEE International Conference on Big Data (Big Data)