预测院内临床恶化
机器学习
2021-02-12 v1
摘要
对表现出即将发生临床恶化迹象的患者迅速做出响应是患者照护的一项基本原则。这催生了一种称为快速响应系统(RRS)的患者安全干预理念,即满足既定 imminent clinical deterioration 标准的患者会立即接受评估与治疗,目标是缓解恶化并预防重症监护病房(ICU)转送、心脏骤停或死亡。尽管RRS已被广泛采用,多项系统综述未能发现其有效性的证据。通常,RRS标准是基于显著生理异常识别或基于临床观察的简单专家(共识)定义规则。若能比当前标准所表现的生理紊乱发作更早地在患者数据中找到某种模式,干预策略或更有效。本文中,我们应用机器学习于电子病历(EMR)以推断患者是否处于临床恶化风险中。与医院当前使用的现有基于规则的方法相比,我们的模型更敏感且提供更长的提前预测时间。我们的结果值得在实地进一步测试;若成功,医院可将我们的方法整合进其现有IT系统,并利用模型生成的警报来预防ICU转送、心脏骤停或死亡,或缩短ICU住院时长。
引用
@article{arxiv.2102.05856,
title = {Predicting Clinical Deterioration in Hospitals},
author = {Laleh Jalali and Hsiu-Khuern Tang and Richard H. Goldstein and Joaqun Alvarez Rodrguez},
journal= {arXiv preprint arXiv:2102.05856},
year = {2021}
}