基于电子健康记录的无监督学习对谵妄患者亚表型分型
机器学习
2021-11-02 v1 人工智能
摘要
谵妄是急诊环境中常见的急性起病的脑功能障碍，并与更高的死亡率相关。由于其临床表现和风险因素可因患者潜在疾病状况而异，故难以检测和监测。在我们的研究中，旨在利用重症监护医学信息集市 IV（MIMIC-IV）数据识别谵妄人群中的亚型，并构建亚组特异性预测模型以检测谵妄。我们表明谵妄人群中存在聚类。对于亚组特异性预测模型，也观察到特征重要性的差异。我们的工作可重新校准现有的每种谵妄亚组的谵妄预测模型，并提升对具有高度异质性疾病状况的 ICU 或急诊科患者谵妄检测与监测的精确度。
引用
@article{arxiv.2111.00592,
title = {Unsupervised Learning to Subphenotype Delirium Patients from Electronic Health Records},
author = {Yiqing Zhao and Yuan Luo},
journal= {arXiv preprint arXiv:2111.00592},
year = {2021}
}