惊人的和新的多变量顺序模式使用几率比率在医疗保健的时间演变.
Isidoro J Casanova1, Manuel Campos2,3, Jose M Juarez2
1AIKE research team (INTICO), Facultad de Informatica, University of Murcia, Campus de Espinardo, Murcia, 30100, Spain. isidoroj@um.es.
这项研究引入了跳跃诊断几率比率序列模式 (JDORSP),以有效地从患者数据中提取有意义的时间模式. 该方法显著减少了模式数量,有助于临床解释,并揭示了令人惊的患者康复见解.
科学领域:
- 数据挖掘 数据挖掘
- 医疗信息学 医疗信息学
- 临床决策支持 临床决策支持
背景情况:
- 医疗保健数据挖掘面临着许多模式的挑战.
- 现有的模式相关性的方法往往忽略了患者进化中的关键时间维度.
- 在临床环境中,从多变量顺序模式中提取时间知识是未被充分探索的.
研究的目的:
- 提出一种用于从临床数据中提取时间知识的新方法.
- 确定与患者存活或不存活相关的统计学上显著的顺序模式.
- 开发一套简洁的模式,代表患者临床状态的关键变化.
主要方法:
- 引入了跳跃诊断几率比率序列模式 (JDORSP).
- 利用赔率比率来识别具有重要的保护或风险因素的模式.
- 专注于其演变表明患者临床状态突然变化的模式.
主要成果:
- 与最先进的方法相比,连续模式减少了95%以上.
- 产生了一组极其简化的模式,使全面的临床评估成为可能.
- 临床医生发现模式延伸,特别是那些表明高风险时期后恢复的延伸,是非常令人惊和相关的.
结论:
- JDORSP生成可解释的多变量序列模式,为患者的时间演变提供新的见解.
- 该方法大大减少了模式数量,使医疗专家更容易进行手动评估.
- JDORSP不需要参数或值,简化了其应用.
更多相关视频
10:46A Method of Trigonometric Modelling of Seasonal Variation Demonstrated with Multiple Sclerosis Relapse Data
Published on: December 9, 2015
06:55Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
相关概念视频
Odds Ratio
Statistical Methods for Analyzing Epidemiological Data
Causality in Epidemiology
Comparing the Survival Analysis of Two or More Groups
Introduction To Survival Analysis
The primary goal of survival analysis is to estimate survival time—the time...
Relative Risk
