EMR-LIP:一种轻量级的框架,用于标准化电子病历中纵向不规则数据的预处理
Jiawei Luo1, Shixin Huang2, Lan Lan3
1Department of Cardiovascular Surgery and West China Biomedical Big Data Center, West China Hospital/West China School of Medicine, Sichuan University, Chengdu, Sichuan, 610041, China; Med-X Center for Informatics, Sichuan University, Chengdu, 610041, China.
Computer methods and programs in biomedicine
|November 30, 2024
概括
新的电子医疗记录纵向不规则数据预处理 (EMR-LIP) 框架标准化了EMR数据预处理,提高了模型性能和公平性. 这种开源工具提高了临床任务的研究效率和可重复性.
科学领域:
- * 生物医学信息学
- * * 临床数据科学
- * 医疗保健中的机器学习
背景情况:
- *电子医疗记录 (EMR) 为预测建模提供了宝贵的纵向患者数据.
- *不一致的EMR数据的预处理妨碍了研究的可复制性和可比性.
- * 缺乏用于EMR数据预处理的标准化工具是一个重大挑战.
研究的目的:
- * 引入电子医疗记录纵向不规则数据预处理 (EMR-LIP) 框架.
- * 提供轻量级的模块化方法,以优化纵向,不规则的EMR数据预处理.
- *提高临床研究的研究效率,一致性,可重复性和可比性.
主要方法:
- *EMR-LIP采用模块化设计,用于预处理工具的低级封装.
- *变量被细分分类,每个类型都有特定的预处理技术.
- *使用深度学习模型对MIMIC-IV和eICU-CRD数据库进行实证验证.
主要成果:
- *使用EMR-LIP预处理数据的模型在MIMIC-IV和eICU-CRD上表现出卓越的基线性能.
- * 传统模型 (LSTM,GRU) 的表现优于复杂模型,在医院死亡预测中达到高达0.94的AUROC.
- *EMR-LIP在重新抽样间隔中确保了稳定的表现,并改善了跨种族群体的公平性.
结论:
- *EMR-LIP提供了一个端到端的解决方案,用于创建模型准备好的EMR数据.
- * 该框架简化了复杂,不规则的纵向EMR数据的预处理.
- *EMR-LIP是开源的,以鼓励社区驱动的改进和进步.


