...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of biomedical informatics. >Discovery and inclusion of SOFA score episodes in mortality prediction.
【24h】

Discovery and inclusion of SOFA score episodes in mortality prediction.

机译：在死亡率预测中发现并包含SOFA评分事件。

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Predicting the survival status of Intensive Care patients at the end of their hospital stay is useful for various clinical and organizational tasks. Current models for predicting mortality use logistic regression models that rely solely on data collected during the first 24h of patient admission. These models do not exploit information contained in daily organ failure scores which nowadays are being routinely collected in many Intensive Care Units. We propose a novel method for mortality prediction that, in addition to admission-related data, takes advantage of daily data as well. The method is characterized by the data-driven discovery of temporal patterns, called episodes, of the organ failure scores and by embedding them in the familiar logistic regression framework for prediction. Our method results in a set of D logistic regression models, one for each of the first D days of Intensive Care Unit stay. A model for day d
机译：预测重症监护患者住院期间的生存状况对于各种临床和组织任务很有用。当前的预测死亡率的模型使用逻辑回归模型，该模型仅依赖于患者入院后24小时内收集的数据。这些模型没有利用日常器官衰竭评分中包含的信息，而如今，这些评分通常是在许多重症监护病房中常规收集的。我们提出了一种新的死亡率预测方法，该方法除了与入院相关的数据外，还利用了每日数据。该方法的特征是通过数据驱动的器官衰竭评分的时间模式（称为情节）的发现，并将其嵌入到熟悉的逻辑回归框架中进行预测。我们的方法产生了一组D逻辑回归模型，即重症监护病房住院的头D天每一天。在住院重症监护病房至少住院d天的患者亚群上训练d <或= D天的模型，并预测此类患者住院时间结束时的死亡概率。我们在重症监护病房住院的前5天（D = 5），对大型重症监护病房患者实施了特定形式的发作（称为对齐发作）方法。我们将我们的模型与在相同患者亚群上开发但未使用发作的模型进行了比较。新模型在五天内的每一天都显示出改进的性能。他们还提供了各种选定事件对死亡率影响的见解。

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