利用机器学习融合口头尸检叙述文本与二值特征分析高血糖致死
机器学习
2022-04-27 v1 计算与语言
摘要
中低收入国家面临死因(COD)数据缺失带来的挑战，这可能限制人口健康与疾病管理的决策。在缺乏健全死亡登记系统的地区，口头尸检(VA)可提供关于死因的信息。VA由结构化数据(结合数值与二值特征)和非结构化数据(作为开放式叙述文本的一部分)组成。本研究评估了多种机器学习方法在分析VA报告的结构化与非结构化组成部分时的性能。算法通过交叉验证在三种设置下进行训练与测试：来自南非农村地区VA报告的二值特征、文本特征以及二值与文本特征的组合。所得结果表明，叙述文本特征包含用于确定死因的有价值信息，且二值与文本特征的组合可改进自动死因分类任务。关键词：糖尿病 mellitus、口头尸检、死因、机器学习、自然语言处理
引用
@article{arxiv.2204.12169,
title = {Using Machine Learning to Fuse Verbal Autopsy Narratives and Binary Features in the Analysis of Deaths from Hyperglycaemia},
author = {Thokozile Manaka and Terence Van Zyl and Alisha N Wade and Deepak Kar},
journal= {arXiv preprint arXiv:2204.12169},
year = {2022}
}
备注
13 pages, 5 figures, Southern African Conference for Artificial Intelligence Research