实验室:用于从实验室记录中生成分析准备数据的R包

科学领域:

• 临床信息学 临床信息学
• 生物统计学 生物统计学
• 健康 数据科学 数据科学

背景情况:

• 电子健康记录 (EHR) 对临床决策至关重要,为疾病进展和治疗提供了洞察力.
• 在EHR中,实验室测试结果对于预测疾病进展至关重要,但由于单位和格式的多样性,存在挑战.
• 电子健康记录中的时间数据可以提高预后和诊断,但不规则的数据频率使时间序列分析复杂化.

研究的目的:

• 为了开发一个开源的R包,
• 实验室 实验室 实验室 实验室 实验室
• ,以简化从实验室记录中提取和分析电子健康记录中的时间信息.

主要方法:

• 这是一个很棒的节目,这是一个很棒的节目.
• 实验室 实验室 实验室 实验室 实验室
• 包段数据进入时间序列窗口,赋值缺失的值,并将本地代码映射到逻辑观察标识符名称和代码 (LOINC).
• LOINC映射有助于包含参考范围,使得结果可以正常/异常分类.
• 生成的时间序列数据可以统计总结,并用于机器学习模型开发.

主要成果:

• 使用MIMIC-III数据分析新生儿的专利通道动脉 (PDA) 使用MIMIC-III数据分析.
• 实验室 实验室 实验室 实验室 实验室
• 包装中发现了与30天死亡率相关的实验室结果的显著变化.
• 在时间序列数据上训练的长期短期记忆模型实现了0.83的AUC,用于预测30天住院死亡率.
• 这些结果凸显了该包在分析疾病进展方面的实用性.

结论:

• 这是一个很棒的节目,这是一个很棒的节目.
• 实验室 实验室 实验室 实验室 实验室
• 这个包简化和加快了实验室记录的提取工作流程.
• 该工具帮助临床数据分析师克服异质和稀疏的实验室数据所带来的挑战.