利用机器学习技术预测急诊科入院
机器学习
2021-06-29 v2 计算机与社会
摘要
引言：急诊科（ED）最重要的任务之一是及时识别将从入院中获益的患者。机器学习（ML）技术作为医疗保健中的诊断辅助手段展现出前景。材料与方法：我们研究了以下特征以考察其在预测入院中的表现：尿素、肌酐、乳酸脱氢酶、肌酸激酶、C 反应蛋白的血清水平，含分类计数的全血细胞计数，活化部分凝血活酶时间，D 二聚体，国际标准化比值，年龄，性别，分诊至 ED 单元的处置以及救护车使用。共分析了 3204 次 ED 就诊。结果：所提出的算法生成的模型在预测 ED 患者入院方面表现出可接受的性能。所有八个评估算法的 F-measure 和 ROC 面积值范围分别为 [0.679-0.708] 和 [0.734-0.774]。讨论：该工具的主要优势包括易获取、可用性、是/否结果以及低成本。我们方法的临床意义可能促进从传统临床决策向更复杂模型的转变。结论：利用常见生物标志物开发稳健的预后模型是一个可能塑造急诊医学未来的项目。我们的发现有待在务实的 ED 试验中实施确认。
引用
@article{arxiv.2106.12921,
title = {Using machine learning techniques to predict hospital admission at the emergency department},
author = {Georgios Feretzakis and George Karlis and Evangelos Loupelis and Dimitris Kalles and Rea Chatzikyriakou and Nikolaos Trakas and Eugenia Karakou and Aikaterini Sakagianni and Lazaros Tzelves and Stavroula Petropoulou and Aikaterini Tika and Ilias Dalainas and Vasileios Kaldis},
journal= {arXiv preprint arXiv:2106.12921},
year = {2021}
}
备注
20 pages, 2 figures