预测充血性心力衰竭患者的再入院风险：一种多层方法
机器学习
2013-06-11 v1 应用统计
摘要
降低充血性心力衰竭 (CHF) 患者出院后 30 天内的再入院风险至关重要，因为此类再入院不仅费用高昂，也是衡量医疗服务质量和治疗水平的关键指标。准确预测再入院风险可使医院识别高危患者，并通过识别导致多种情境下再入院的因素最终提高护理质量。在本文中，我们将再入院风险预测问题作为一个监督学习问题，采用多层分类方法进行研究。早期的贡献试图通过构建直接预测模型来评估 30 天再入院的风险值，这与我们的方法不同且不够充分。我们首先将问题划分为不同阶段：(a) 一般风险，(b) 60 天内风险，(c) 30 天内风险，然后为每个阶段构建合适的分类器，从而利用多层决策提高风险预测的准确性。我们方法的优势在于，可以为更适合相应问题的子任务使用不同的分类模型。此外，每个子任务可以使用不同的特征和训练数据来解决，从而相比一次性单层方法能获得更高置信度的诊断或风险评估。对 Multicare Health Systems 实际医院患者记录数据的实验评估表明，与之前的尝试相比，我们的模型在预测 CHF 患者出院后 30 天内再入院风险方面显著更优。
引用
@article{arxiv.1306.2094,
title = {Predicting Risk-of-Readmission for Congestive Heart Failure Patients: A Multi-Layer Approach},
author = {Kiyana Zolfaghar and Nele Verbiest and Jayshree Agarwal and Naren Meadem and Si-Chi Chin and Senjuti Basu Roy and Ankur Teredesai and David Hazel and Paul Amoroso and Lester Reed},
journal= {arXiv preprint arXiv:1306.2094},
year = {2013}
}