Video Experimental Relacionado
Updated: Feb 22, 2026

Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
Predicción selectiva conforme con aplazamiento consciente de los costos para triaje clínico seguro bajo cambio de
1Department of Artificial Intelligence and Data Science, Korea Military Academy, Seoul, 01805, South Korea.
Este estudio presenta un marco de predicción selectiva para triaje clínico utilizando predicción conforme y aplazamiento consciente de los costos. Mejora la seguridad del paciente al reducir errores y proporcionar un soporte de decisiones confiable, incluso con distribuciones de datos cambiantes.
Área de la Ciencia:
- Sistemas de soporte de decisiones clínicas
- Aprendizaje automático en la atención médica
- Cuantificación de la incertidumbre
Sus antecedentes:
- El triaje clínico requiere una priorización precisa de los pacientes para una intervención oportuna.
- Los sistemas existentes pueden tener dificultades con los cambios de datos y la cuantificación de la incertidumbre de la predicción.
- Garantizar la seguridad del paciente requiere herramientas sólidas de soporte de decisiones.
Objetivo del estudio:
- Desarrollar un marco de predicción selectiva para triaje clínico.
- Integrar modelado probabilístico calibrado, predicción conforme y aplazamiento consciente de los costos.
- Mejorar la seguridad del paciente controlando la incertidumbre de la predicción y aplazando los casos de baja confianza.
Principales métodos:
- Se utilizó predicción conforme dividida para predicciones de conjuntos con control de cobertura.
- Se emplearon variantes de Mondrian condicionales a grupos para cobertura estratificada por género.
- Se aplicaron variantes ponderadas por importancia para la robustez bajo cambio de distribución.
- Se seleccionaron umbrales de aplazamiento minimizando el costo esperado en conjuntos de calibración.
Principales resultados:
- El aplazamiento selectivo redujo el error en un 49,6 % (en distribución) y un 46,7 % (fuera de distribución) con una cobertura del 80 % para la predicción de sepsis.
- Se lograron compensaciones favorables entre riesgo y cobertura con bajos costos esperados.
- Se demostró una calibración sólida y un rendimiento conservador de exclusión con un valor predictivo negativo casi perfecto.
- El método Mondrian redujo la brecha de cobertura de género a 1,4 puntos porcentuales.
Conclusiones:
- La cuantificación de la incertidumbre conforme con aplazamiento consciente de los costos ofrece un soporte de decisiones clínicas transparente y más seguro.
- El marco se degrada gradualmente bajo el cambio de distribución temporal.
- Este enfoque mejora la confiabilidad y la seguridad en los sistemas de triaje clínico.
Más Videos Relacionados
Videos de Conceptos Relacionados
Prediction Intervals
However, the point estimate is most likely not the exact value of the population parameter, but close to it. After calculating point estimates, we construct interval estimates, called confidence intervals or prediction intervals. This prediction interval comprises a range of values unlike the point estimate and is a better predictor of the observed sample value, y.
Impact of Pharmacokinetic–Pharmacodynamic Models: Regulatory Decisions
Issues And Trends In Healthcare Delivery System
Cost Containment
Payment for healthcare services has historically promoted adoption of costly and often unnecessary or inefficient...
Pharmacokinetic Models: Comparison and Selection Criterion
Physiological models take a detailed approach by considering specific molecular processes. They can predict drug distribution, metabolism, and elimination changes, providing a comprehensive understanding of how drugs interact with the body.
Dose Response Curve: Conventional Versus Nonmonotonic

