用于 ICU 患者精确败血症诊断的时间模式发现
机器学习
2017-09-07 v1 应用统计
摘要
败血症是一种由身体对感染的压倒性和危及生命反应引起的状况，可导致组织损伤、器官衰竭并最终死亡。常见体征和症状包括发热、心率加快、呼吸频率增加和意识模糊。败血症难以预测、诊断和治疗。发生败血症的患者并发症和死亡风险增加，并面临更高的医疗成本和更长的住院时间。如今，败血症是重症监护病房（ICUs）人群中主要的死亡原因之一。在本文中，我们研究通过使用时间数据挖掘进行败血症早期检测的问题。我们专注于基于知识的时态抽象以创建有意义的基于区间的抽象，以及时间区间挖掘以发现频繁的基于区间的模式。我们使用了源自 MIMIC-III 数据库的 2560 例病例。我们发现，在败血症患者发作前最后 6 和 12 小时记录中发现的频率高于 10% 的时间模式分布，与在非败血症患者住院期间等效时间窗口内相似时期的记录中的分布显著不同。这一发现对于使用所发现模式作为构造特征来进行败血症早期诊断的目的是令人鼓舞的。
引用
@article{arxiv.1709.01720,
title = {Temporal Pattern Discovery for Accurate Sepsis Diagnosis in ICU Patients},
author = {Eitam Sheetrit and Nir Nissim and Denis Klimov and Lior Fuchs and Yuval Elovici and Yuval Shahar},
journal= {arXiv preprint arXiv:1709.01720},
year = {2017}
}