文摘
越来越多的医院收集大量的数据通过新的存储方法。这些数据可以使用提取隐藏的知识,可以估计的关键承认患者的住院时间,以提高医院的管理资源。因此,本文描绘了不同的数据挖掘技术的性能分析的应用学习算法来预测病人的住院时间当承认一个重症监护病房。在这项研究中使用的数据包含大约60000记录和28特性与个人和医疗信息。全面分析发现不同的机器学习算法得到的结果表明,该模型与梯度训练提高树算法和只使用的特征强烈相关病人的住院时间,达到最佳性能,99年,19%的准确性。从这个意义上说,一个准确的理解相关的因素在重症监护病房的长度。
关键字
滞留时间 住院住 重症监护室 数据挖掘 分类 CRISP-DM笔记
确认
这项工作已经由FCT - Fundacao para Ciencia e Tecnologia在项目研发单位范围:兴趣库/ 00319/2020。
引用
-
1。
-
2。
-
3所示。
-
4所示。门敏,H。曹,M。金,S。黄,H。、歌曲、M。柳,S。:Analysis of length of hospital stay using electronic health records: a statistical and data mining approach. PLoS ONE13(4)、e0195901 (2018)谷歌学术搜索
-
5。维罗索,R。,等。:实时数据挖掘模型预测在重症监护病房的长度。国际会议:KMIS 2014 -程序在知识管理和信息共享,页245 - 254 (2014)谷歌学术搜索
-
6。Navaz, A.N.穆罕默德·E。Serhani,硕士海岬,N。:The use of data mining techniques to predict mortality and length of stay in an ICU. In: 12th International Conference on Innovations in Information Technology (IIT), pp. 1–5. IEEE (2016)谷歌学术搜索
-
7所示。
-
8。Scarlat,。:MIMIC3d aggregated data - ICU aggregated data as number of interactions between patient and hospital, Version 1.https://www.kaggle.com/drscarlat/mimic3d
-
9。惠利D.L.:The Interquartile Range: Theory and Estimation. Electronic theses and dissertations. Paper 1030 (2005)谷歌学术搜索
-
10。
版权信息
©作者(年代),独家许可下Springer自然瑞士AG) 2021beplay登入