基于 MIMIC-IV 验证当地数据下的急诊室入院预测模型
机器学习
2025-04-01 v1 人工智能
摘要
有效管理急诊室（ED）拥堵对于改善患者预后和优化医疗资源分配至关重要。本研究通过利用全面的 MIMIC-IV 数据集，对最初使用希腊某医院小型本地数据集开发的医院入院预测模型进行验证。在数据预处理后，评估了五种算法：线性判别分析（LDA）、K 近邻（KNN）、随机森林（RF）、递归分割与回归树（RPART）以及支持向量机（SVM Radial）。在 MIMIC-IV 数据上应用 RF，AUC-ROC 达到 0.9999，灵敏度为 0.9997，特异度为 0.9999，表现优异。这些发现凸显了 RF 在处理复杂数据集进行入院预测方面的鲁棒性，确立了 MIMIC-IV 作为验证基于较小本地数据集模型的有价值基准，并为改进 ED 管理策略提供了可操作的见解。
引用
@article{arxiv.2503.22706,
title = {Validating Emergency Department Admission Predictions Based on Local Data Through MIMIC-IV},
author = {Francesca Meimeti and Loukas Triantafyllopoulos and Aikaterini Sakagianni and Vasileios Kaldis and Lazaros Tzelves and Nikolaos Theodorakis and Evgenia Paxinou and Georgios Feretzakis and Dimitris Kalles and Vassilios S. Verykios},
journal= {arXiv preprint arXiv:2503.22706},
year = {2025}
}
备注
36 pages, 3 figures, 6 tables