医院再入院预测建模：挑战与解决方案
机器学习
2021-06-17 v1
摘要
医院再入院预测是一项从历史医疗数据中学习模型，以预测患者在出院后某段时间（30 或 90 天）内返回医院概率的研究。其动机是帮助医疗服务提供者提供更佳的治疗与出院后策略，降低医院再入院率，并最终减少医疗成本。由于疾病与医疗生态系统的内在复杂性，医院再入院建模面临诸多挑战。迄今已开发多种方法，但现有文献未能完整回答一些基本问题，例如：医院再入院建模的主要挑战与解决方案是什么；用于再入院预测的典型特征/模型有哪些；如何获得有意义且透明的预测以辅助决策；以及在真实世界部署预测方法时可能存在哪些冲突。本文中，我们系统综述了医院再入院预测的计算模型，并提出了包含四大类的挑战分类法：(1) 数据多样性与复杂性；(2) 数据不平衡、局部性与隐私；(3) 模型可解释性；(4) 模型实现。该综述总结了每类中的方法，并强调了为应对挑战提出的技术解决方案。此外，对可用于医院再入院建模的数据集与资源的综述也为研究人员与从业者设计高效且有效的医院再入院预测新方法提供了一手材料。
引用
@article{arxiv.2106.08488,
title = {Predictive Modeling of Hospital Readmission: Challenges and Solutions},
author = {Shuwen Wang and Xingquan Zhu},
journal= {arXiv preprint arXiv:2106.08488},
year = {2021}
}