欧美日韩激情电影,久久亚洲精品毛片,日日夜夜天天综合入口,亚洲激情六月丁香

您的位置: 首頁 >科技 >

AI預測ER入院的風險

2022-08-31 10:18:40 編輯:應思維 來源:
導讀 根據在PLOS Medicine上發表的一項研究,牛津大學的研究人員能夠通過使用具有電子健康記錄(EHR)的機器學習技術來預測患者進入急診護理的風...

根據在PLOS Medicine上發表的一項研究,牛津大學的研究人員能夠通過使用具有電子健康記錄(EHR)的機器學習技術來預測患者進入急診護理的風險。

“我們的研究結果表明,其中包括有關個人信息豐富的大型數據集,機器學習模型勝過最好的常規統計模型之一,”首席研究員Fatemeh Rahimian,在喬治國際衛生前數據的科學家,在說的語句。“我們認為這是因為機器學習模型會自動捕獲并從我們以前不知道的數據之間的交互中“學習”。”

在這項研究中,研究人員推導,驗證并比較了傳統模型和兩種機器學習模型如何預測急診入院。為了測試模型,他們使用了1985年至2015年間英格蘭近400種醫療機構的460萬患者的EHR數據。他們還使用了時間和各種變量,例如患者的人口統計學,生活方式因素,實驗室檢查,處方藥和先前的緊急入院。

當僅對變量測試所有模型時,常規模型在接收器工作特性曲線(AUC)下獲得0.736的面積,而兩個機器學習模型均獲得0.796和0.736的AUC。當添加其他因素(例如時間和更多變量)時,常規模型的AUC為0.788,而機器學習模型的AUC為0.826和0.810。

盡管這些模型需要進一步測試,但研究人員認為機器學習可以用來幫助醫生更好地監視患者,從而避免急診。

“使用機器學習和添加時間信息可以顯著改善用于預測緊急入院風險的判別和校準。該研究總結說,模型性能在一系列預測時間范圍內以及在外部驗證后仍保持穩定。“這些發現支持將機器學習模型整合到電子健康記錄中以為護理和服務計劃提供信息的潛力。”


免責聲明:本文由用戶上傳,如有侵權請聯系刪除!

2016-2022 All Rights Reserved.平安財經網.復制必究 聯系QQ280 715 8082   備案號:閩ICP備19027007號-6

本站除標明“本站原創”外所有信息均轉載自互聯網 版權歸原作者所有。

主站蜘蛛池模板: 海林市| 余姚市| 太仆寺旗| 大安市| 天峨县| 石屏县| 邹城市| 周宁县| 黔西县| 扬中市| 厦门市| 长汀县| 彰武县| 屏东县| 元阳县| 尉氏县| 临朐县| 红河县| 南昌县| 晋宁县| 长白| 宝山区| 随州市| 清徐县| 东港市| 集安市| 大安市| 科技| 海兴县| 肇州县| 车险| 错那县| 濮阳县| 化隆| 黄陵县| 邹平县| 天柱县| 大田县| 林周县| 拜城县| 安平县|