PPMF: 一种基于患者的早期ICU死亡率预测建模框架
机器学习
2017-05-02 v1 人工智能
摘要
迄今为止，开发一个用于早期重症监护病房(ICU)死亡率预测的良好模型仍具挑战性。本文提出一种基于患者的预测建模框架(PPMF)，利用ICU入院后前48小时内收集的数据来提升ICU死亡率预测性能。PPMF包含三个主要组件，验证三个相关研究假设。第一个组件利用患者的时间序列数据(如生命体征和实验室检查)捕捉其在ICU中状态的动态变化。第二个组件是一种基于患者相似性进行分类的局部近似算法。第三个组件是一个根据分类反馈更新特征权重的Gradient Decent wrapper。使用MIMICIII数据的实验表明，PPMF显著优于：(1)严重程度评分系统，即SASP III、APACHE IV和MPM0III；(2)利用汇总时间序列的基于聚合的分类器；(3)基线特征选择方法。
引用
@article{arxiv.1704.07499,
title = {PPMF: A Patient-based Predictive Modeling Framework for Early ICU Mortality Prediction},
author = {Mohammad Amin Morid and Olivia R. Liu Sheng and Samir Abdelrahman},
journal= {arXiv preprint arXiv:1704.07499},
year = {2017}
}
备注
10 pages, Healthcare Analytics and Medical Decision Making, INFORMS Workshop. Nashville, Tennessee, 2016