量化训练数据与算法逻辑对口头尸检自动死因赋值算法性能的贡献
应用统计
2018-11-16 v4 其他统计学
摘要
口头尸检 (VA) 包含对近期死亡者的亲属或密切接触者进行的调查。当死亡发生在医院或医疗机构之外时，VA 调查通常用于推断个人的可能死因。目前有多种统计和算法方法可使用 VA 调查进行死因赋值。这些方法均需要输入关于症状与死因联合分布的一些信息。在本文中，我们通过比较不同的自动编码方法，使用各种输入和评估数据的组合，检验了这种症状-死因信息的泛化能力。VA 算法的性能受特定的 SCI 本身以及给定算法逻辑的影响。使用所有现有 VA 算法的多种性能指标，我们证明，总体而言，关于症状与死因联合分布信息的充分性对性能的影响至少与算法逻辑一样大，甚至更大。
引用
@article{arxiv.1803.07141,
title = {Quantifying the Contributions of Training Data and Algorithm Logic to the Performance of Automated Cause-assignment Algorithms for Verbal Autopsy},
author = {Samuel J. Clark and Zehang Li and Tyler H. McCormick},
journal= {arXiv preprint arXiv:1803.07141},
year = {2018}
}
备注
This version implements Tariff with an additional normalization step that was previously ignored in the package