预测类型 II 糖尿病患者的急诊室就诊
摘要
全美超过 3000 万人受类型 II 糖尿病 (T2D) 影响，这是一种可治疗且具有显著健康风险的疾病。本研究旨在开发和验证基于机器学习 (ML) 技术的预测模型，以估计T2D患者的急诊室 (ED) 就诊。我们从 HealthShare Exchange (HSX) 获取了这些患者的数据，聚焦于人口统计信息、诊断和生命体征。我们的样本包含 34,151 名确诊为 T2D 的患者，导致 2017 年至 2021 年间共发生 703,065 例就诊。一个工作流程将 EMR 数据与 SDoH 集成用于 ML 预测。从 2,555 个特征中选出 87 个特征用于模型构建。采用十折交叉验证，使用各种机器学习算法（包括 CatBoost、集成学习、K 近邻 (KNN)、支持向量分类 (SVC)、随机森林和极端梯度提升 (XGBoost)）来预测患者是否处于 ED 就诊风险中。随机森林、XGBoost、集成学习、CatBoost、KNN 和 SVC 的 ROC 曲线分别为 0.82、0.82、0.82、0.81、0.72、0.68。集成学习和随机森林模型在判别、校准和临床可行性方面表现优越。这些模型是预测T2D患者 ED 就诊风险的可靠工具。它们可以估计未来的 ED 需求，并帮助临床医生识别与 ED 利用相关的关键因素，从而实现早期干预以减少此类就诊。最重要的五个特征为年龄、就诊间隔差值、就诊间隔、R10 或腹部和骨盆疼痛，以及收入的极端集中指数 (ICE)。
引用
@article{arxiv.2412.08984,
title = {Predicting Emergency Department Visits for Patients with Type II Diabetes},
author = {Javad M Alizadeh and Jay S Patel and Gabriel Tajeu and Yuzhou Chen and Ilene L Hollin and Mukesh K Patel and Junchao Fei and Huanmei Wu},
journal= {arXiv preprint arXiv:2412.08984},
year = {2024}
}
备注
This manuscript has been accepted and presented at AI-PHSS 2024: The 2024 International Workshop on AI Applications in Public Health and Social Services in conjunction with the 22nd International Conference of Artificial Intelligence in Medicine (AIME 2024)