利用 Medicare 理赔数据预测老年患者短期死亡率
机器学习
2017-12-05 v1 机器学习
摘要
风险预测是临床医学和公共卫生的核心。虽然许多机器学习模型已被开发用于预测死亡率，但它们很少应用于临床文献，其中分类任务通常依赖逻辑回归。原因之一在于，现有机器学习模型往往试图通过纳入提供方和决策者 readily 可用的数据库中所不存在的特征来优化预测，从而限制了泛化性和实施性。在此，我们使用一种大多数医疗支付方和提供方均可获得的行政理赔数据库，测试了多种机器学习分类器，用于预测老年 Medicare 受益人群中的六个月死亡率。我们表明，机器学习分类器大幅优于当前广泛使用的风险预测方法，但仅当与为本研究开发的、融合临床医学见解的改进特征集结合使用时方可实现。我们的工作可应用于支持临终患者和提供方的决策，以及面向人群健康的、识别不良结局高风险患者的努力。
引用
@article{arxiv.1712.00644,
title = {Short-term Mortality Prediction for Elderly Patients Using Medicare Claims Data},
author = {Maggie Makar and Marzyeh Ghassemi and David Cutler and Ziad Obermeyer},
journal= {arXiv preprint arXiv:1712.00644},
year = {2017}
}