机器学习算法的评估和比较,用于预测受伤住院患者的医疗建议的出院情况
Xiu Dai1, Shifang Liu2, Xiangyuan Chu1
1Department of Epidemiology and Health Statistics, School of Public Health, Zunyi Medical University, Zunyi, Guizhou, PR China.
Surgery
|March 24, 2025
概括
机器学习模型在受伤的住院患者中有效预测出院的医疗建议,优于传统方法. 这种方法为医疗机构提供了一种可行的策略,以优化患者管理并减少此类事件.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
- 患者安全 患者安全
背景情况:
- 违背医疗建议 (AMA) 的出院是患者护理的一个重大问题.
- 评估AMA事件的先进预测模型至关重要.
研究的目的:
- 与后勤回归相比,评估机器学习算法的有效性,以预测违背医疗建议的出院.
- 开发和验证用于预测受伤住院患者的AMA的机器学习模型.
主要方法:
- 对48,394个住院病人的病历 (2018-2023) 的回顾性分析.
- 使用BorutaShap进行特征选择;用过量/不足抽样技术解决数据不平衡.
- 模型性能使用AUC,精度,灵敏度,特异性,F1得分和几何平均值进行评估;Shapley添加式解释可解释性.
主要成果:
- 8.8%的受伤住院患者选择违背医疗建议 (AMA) 退院.
- 光梯度增强机 + 编辑的最近邻居模型表现出强烈的概括 (AUC 0.820内部,0.837时间).
- 手术等级被确定为AMA最重要的预测因素.
结论:
- 机器学习模型可用于预测受伤住院患者的医疗建议的出院情况.
- 这项研究是第一个在这个人群中应用ML用于AMA预测的研究.
- 结果可以指导医疗机构优化患者管理和降低AMA率.
