从机器学习算法预测高风险的急诊室再访:一项概念验证研究
Chih-Wei Sung1,2, Joshua Ho3,4, Cheng-Yi Fan1
1Department of Emergency Medicine, National Taiwan University Hospital Hsin-Chu Branch, Hsinchu, Taiwan.
BMJ health & care informatics
|April 22, 2024
概括
机器学习准确地预测了高风险的急诊室 (ED) 重复访问. 高龄和异常的生命体征,如血压和心率,确定患者容易受到ED复诊的影响.
科学领域:
- 紧急医疗 紧急医疗
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 高风险的急诊室 (ED) 重访是关键的质量指标,可能表明并发症增加和医疗负担增加.
- ED重访的复杂性需要先进的分析方法来进行全面的调查.
研究的目的:
- 开发和评估一种机器学习 (ML) 模型,用于预测高风险的急诊室 (ED) 重访.
- 确定与高风险ED重访相关的关键预测因素.
主要方法:
- 成年患者的3年回顾性队列研究 (2019年1月至2021年12月).
- 定义的高风险ED再检查,即在ED返回后72小时内入院或ICU入院.
- 采用深度学习,随机森林,XGBoost和堆叠组合模型,使用AUROC评估性能,精度,灵敏度和特异性.
主要成果:
- 堆叠组合模型实现了最高的预测性能,AUROC为0.82.
- 确定的主要预测因素是年龄,静脉压和心率.
- 高风险的ED复诊率在培训组中为19.3%,在测试组中为20.1%.
结论:
- 堆叠组合算法证明了对高风险ED复诊的卓越预测能力.
- 老年患者和在指数ED访问期间有异常静脉压和心率的患者有更高的风险.
- 建议在未来的研究中对开发的模型进行外部验证.
