利用潜类别分析识别ARDS亚表型以增强机器学习预测性能
机器学习
2019-03-29 v1 应用统计
机器学习
摘要
在这项工作中，我们利用机器学习对具有急性呼吸窘迫综合征（ARDS）高风险的患者进行早期识别，这对于这一破坏性综合征的成功预防策略至关重要。早期识别 ARDS 的困难源于其复杂和异质的性质。在本研究中，我们将 ARDS 患者异质性的知识整合到预测模型构建中。使用 MIMIC-III 数据，我们首先应用潜类别分析（LCA）来识别 ARDS 人群中的同质亚组，然后在划分的数据上构建预测模型。结果表明，对于所识别出的三种 ARDS 亚表型中的两种，可以获得显著改善的预测性能。实验表明，识别亚表型有利于构建 ARDS 的预测模型。
引用
@article{arxiv.1903.12127,
title = {Using Latent Class Analysis to Identify ARDS Sub-phenotypes for Enhanced Machine Learning Predictive Performance},
author = {Tony Wang and Tim Tschampel and Emilia Apostolova and Tom Velez},
journal= {arXiv preprint arXiv:1903.12127},
year = {2019}
}
备注
Work in progress, preliminary results