识别 ICU 患者亚群的无监督学习方法：结果是否具有泛化性？
机器学习
2024-03-06 v1
摘要
利用无监督学习识别患者亚群已成为提高重症监护室 (ICU) 效率的一个潜在有益方向。通过识别具有相似医疗资源需求水平的患者亚群，ICU 可以重组为一系列较小的子单元，每个子单元专门服务于特定群体。然而，目前尚不清楚不同 ICU 之间是否存在共同的患者亚群，这将决定 ICU 重组能否以标准化方式实施。在本文中，我们通过检验一项现有研究的结果是否能泛化到另一个数据集，来测试“存在共同 ICU 患者亚群”这一假设。我们提取了 16 个代表医疗资源需求的特征，并使用共识聚类推导患者亚群，复现了先前的研究。我们发现我们的结果与先前研究的结果相似性有限，提供了反对该假设的证据。我们的发现表明，ICU 之间存在显著差异；因此，标准化的重组方法可能并不适用。相反，当子单元的数量和性质针对每个 ICU 单独定制时，潜在的效率提升可能更大。
引用
@article{arxiv.2403.02945,
title = {Unsupervised Learning Approaches for Identifying ICU Patient Subgroups: Do Results Generalise?},
author = {Harry Mayne and Guy Parsons and Adam Mahdi},
journal= {arXiv preprint arXiv:2403.02945},
year = {2024}
}