机器学习对电子病历质量的依赖性研究
机器学习
2017-03-27 v1
摘要
将机器学习方法应用于电子病历（EMR）的兴趣日益增长。然而，不同机构间的EMR质量可能差异很大。本工作研究了这种差异对三种先进机器学习算法性能的影响：逻辑回归、多层感知器和循环神经网络。通过使用洛杉矶儿童医院（CHLA）儿科重症监护室（PICU）和心胸重症监护室（CTICU）收集的EMR的不同排列组合来模拟EMR差异。使用PICU的患者数据训练算法，以预测留出的PICU和CTICU患者集合的ICU内死亡率。PICU和CTICU之间不同的患者群体提供了跨不同ICU泛化误差的估计。我们量化并评估了这些算法在不同EMR规模、输入类型和数据保真度下的泛化能力。
引用
@article{arxiv.1703.08251,
title = {The Dependence of Machine Learning on Electronic Medical Record Quality},
author = {Long Ho and David Ledbetter and Melissa Aczon and Randall Wetzel},
journal= {arXiv preprint arXiv:1703.08251},
year = {2017}
}
备注
9 pages, 5 figures, 3 tables