监督学习算法在出院状态预测中对外伤患者进行比较:经验评估
Zahra Kohzadi1,2, Ali Mohammad Nickfarjam1,2, Zeinab Kohzadi3
1Health Information Management Research Center, Kashan University of Medical Sciences, Kashan, Iran.
随机森林算法最好地预测创伤患者的出院状态,改善医院绩效指标. 数据平衡进一步提高预测准确性,以获得更好的患者结果.
科学领域:
- 医疗信息学 医疗信息学
- 在医疗保健中的数据科学.
- 创伤护理研究 创伤护理研究
背景情况:
- 创伤中心数据分析确定了影响医院预算的关键绩效指标.
- 改进的绩效指标可以导致降低死亡率和改善患者健康结果.
- 在创伤护理中识别成长机会对于医院的财务健康至关重要.
研究的目的:
- 确定最佳的监督机器学习算法,用于预测创伤患者的出院状态.
- 在临床环境中评估各种算法的有效性.
主要方法:
- 使用卡珊创伤登记处数据进行的回顾性研究 (2018年3月 - 2019年2月).
- 监督算法的评估:天真贝叶斯,物流回归,支持向量机,随机森林和K-最近邻居.
- 使用准确性,精度,回忆和F测量指标的性能评估,使用持久验证技术.
主要成果:
- 与其他评估的算法相比,随机森林算法表现出卓越的性能.
- 随机森林使用信息获取实现了最高的准确度 (84.6%),精度 (79.6%),回忆 (76.8%) 和F-测量 (76.20%).
- 具体的绩效指标根据所选择的指标 (吉尼指数与信息获取) 略有变化.
结论:
- 监督算法,当适当配置时,可以有效地帮助诊断创伤患者的出院状态.
- 在这种情况下,数据平衡技术显示了提高算法性能的潜力.
- 结果的概括性有限,取决于算法选择和参数调整.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
相关概念视频
The Sense of Self: Reflected Self-Appraisal and Social Comparison
Discharge Summary Forms
Here's a detailed look at the key components and guidelines for preparing a discharge summary:
Empirical Method to Interpret Standard Deviation
This rule is used widely in statistics to calculate the proportion of data values...
RC Circuits: Discharging A Capacitor
Predicting Molecular Geometry
Trial and Error and Algorithm
