面向个人化患者风险预测的时序医院数据轨迹
人工智能
2024-07-15 v1 机器学习
摘要
量化患者的健康状态为临床医生提供了洞察，帮助更好地分流和管理资源。早期警示评分（EWS）广泛用于衡量住院患者的整体健康状况和不良结果风险。然而，当前EWS受限于缺乏个人化且使用静态观察值。我们提出了一个管道将重症监护病房患者按观察数据轨迹进行分组，以发展个人化风险预测的基础。考虑特征重要性以提供模型可解释性。使用MIMIC-IV数据集，我们识别出六个簇，捕获疾病代码、观察值、住院时长和结果之间的差异。将管道应用于每个ICU住院前四小时的数据，可将大多数患者分配到与考虑整个住院时长相同簇的同一位置。与非聚类患者队列相比，针对六个簇中五个簇训练的住院死亡预测模型在F1分数上表现更好。该管道可作为临床决策支持工具的基础，旨在改进风险组的临床特征并及早检测患者恶化。
引用
@article{arxiv.2407.09373,
title = {Towards Personalised Patient Risk Prediction Using Temporal Hospital Data Trajectories},
author = {Thea Barnes and Enrico Werner and Jeffrey N. Clark and Raul Santos-Rodriguez},
journal= {arXiv preprint arXiv:2407.09373},
year = {2024}
}