利用电子健康记录预测住院患者出院优先级
机器学习
2018-12-04 v1 机器学习
摘要
识别将在 24 小时内出院的患者可改善医院资源管理与照护质量。我们利用斯坦福医院八年的电子健康记录(EHR)数据研究了该问题。我们拟合模型以预测全体住院人群的 24 小时出院情况。在留出测试集上,性能最佳的模型达到了受试者工作特征曲线下面积(AUROC)0.85 与 AUPRC 0.53。该模型校准良好。最后,我们在决策理论框架下分析了该模型的效用,以识别 ROC 空间中相较于平凡的全负或全正分类器使用模型可提升期望效用的区域。
引用
@article{arxiv.1812.00371,
title = {Predicting Inpatient Discharge Prioritization With Electronic Health Records},
author = {Anand Avati and Stephen Pfohl and Chris Lin and Thao Nguyen and Meng Zhang and Philip Hwang and Jessica Wetstone and Kenneth Jung and Andrew Ng and Nigam H. Shah},
journal= {arXiv preprint arXiv:1812.00371},
year = {2018}
}