• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Big Data >A Machine Learning Approach for Prediction of Length of Stay for the Kid’s Inpatient Database
【24h】

A Machine Learning Approach for Prediction of Length of Stay for the Kid’s Inpatient Database

机译：一种机器学习方法来预测孩子住院数据库的住院时间

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Due to a high mortality rate of children in the United States, there is an immediate need to analyze the pediatric patient care information. In this paper, we perform an exploratory and predictive analysis of the length of stay on kids’ inpatient data. For this study, we used the Kids’ 2016 inpatient database. In our study, we developed a prediction model using Random Forest Regression for the length of stay for inpatient kids. The accuracy of our model is 94.15%. We found that female children have longer length of stay as they are more at risk during hospitalization. Further, we found that the number of complicated births could lead to longer length of stay for unborn kids.
机译：由于美国儿童的高死亡率，迫切需要分析儿科患者护理信息。在本文中，我们对儿童住院数据的住院时间进行了探索性和预测性分析。在这项研究中，我们使用了2016年儿童的住院病人数据库。在我们的研究中，我们针对住院儿童的住院时间，使用随机森林回归开发了预测模型。我们的模型的准确性是94.15％。我们发现，女童住院时间较长，因为他们在住院期间的风险更大。此外，我们发现复杂的分娩次数可能导致未出生的孩子更长的逗留时间。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号