Improving Intensive Care Unit Early Readmission Prediction Using Optimized and Explainable Machine Learning

重症监护室 排名(信息检索) 计算机科学 人工智能 机器学习 特征(语言学) 接收机工作特性 贝叶斯网络 医学 重症监护医学 语言学 哲学
作者
José A. González-Nóvoa,Silvia Campanioni,Laura Busto,José Fariña,Juan Rodríguez-Andina,Dolores Vila,Andrés Íñiguez,César Veiga
出处
期刊:International Journal of Environmental Research and Public Health [MDPI AG]
卷期号:20 (4): 3455-3455 被引量:4
标识
DOI:10.3390/ijerph20043455
摘要

It is of great interest to develop and introduce new techniques to automatically and efficiently analyze the enormous amount of data generated in today’s hospitals, using state-of-the-art artificial intelligence methods. Patients readmitted to the ICU in the same hospital stay have a higher risk of mortality, morbidity, longer length of stay, and increased cost. The methodology proposed to predict ICU readmission could improve the patients’ care. The objective of this work is to explore and evaluate the potential improvement of existing models for predicting early ICU patient readmission by using optimized artificial intelligence algorithms and explainability techniques. In this work, XGBoost is used as a predictor model, combined with Bayesian techniques to optimize it. The results obtained predicted early ICU readmission (AUROC of 0.92 ± 0.03) improves state-of-the-art consulted works (whose AUROC oscillate between 0.66 and 0.78). Moreover, we explain the internal functioning of the model by using Shapley Additive Explanation-based techniques, allowing us to understand the model internal performance and to obtain useful information, as patient-specific information, the thresholds from which a feature begins to be critical for a certain group of patients, and the feature importance ranking.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
好看的花花鱼完成签到 ,获得积分10
刚刚
圆圆完成签到,获得积分10
3秒前
4秒前
个性的荆完成签到,获得积分10
5秒前
自觉沛文完成签到,获得积分10
8秒前
Jackie完成签到,获得积分10
8秒前
雪泥鸿爪发布了新的文献求助10
8秒前
retortt完成签到,获得积分10
8秒前
吉星高照完成签到,获得积分10
9秒前
善学以致用应助青1995采纳,获得10
9秒前
vic303完成签到,获得积分20
9秒前
淡出完成签到,获得积分20
11秒前
岚落完成签到,获得积分10
12秒前
迷路宛筠完成签到 ,获得积分10
12秒前
duoduo完成签到,获得积分10
13秒前
雪泥鸿爪完成签到,获得积分10
15秒前
dzzza完成签到,获得积分10
15秒前
田様应助liu采纳,获得10
15秒前
NiNi完成签到,获得积分10
17秒前
1a完成签到 ,获得积分10
19秒前
19秒前
FF完成签到 ,获得积分10
19秒前
19秒前
shirley完成签到,获得积分10
19秒前
科研通AI6应助热心的发箍采纳,获得10
19秒前
charint完成签到,获得积分10
20秒前
所所应助yuuka采纳,获得10
23秒前
23秒前
耶稣与梦完成签到,获得积分10
24秒前
Soleil发布了新的文献求助10
24秒前
激昂的秀发完成签到,获得积分10
25秒前
青1995发布了新的文献求助10
25秒前
科研通AI2S应助乔沃维奇采纳,获得10
26秒前
饱满的荧完成签到 ,获得积分10
27秒前
科研通AI6应助屿溡采纳,获得10
28秒前
28秒前
33333完成签到 ,获得积分10
29秒前
短巷完成签到 ,获得积分10
30秒前
蟹治猿完成签到 ,获得积分10
31秒前
23完成签到,获得积分10
32秒前
高分求助中
HIGH DYNAMIC RANGE CMOS IMAGE SENSORS FOR LOW LIGHT APPLICATIONS 1500
Constitutional and Administrative Law 1000
Questioning sequences in the classroom 700
Microbially Influenced Corrosion of Materials 500
Die Fliegen der Palaearktischen Region. Familie 64 g: Larvaevorinae (Tachininae). 1975 500
The Experimental Biology of Bryophytes 500
Rural Geographies People, Place and the Countryside 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 物理化学 基因 遗传学 催化作用 冶金 量子力学 光电子学
热门帖子
关注 科研通微信公众号,转发送积分 5378909
求助须知:如何正确求助?哪些是违规求助? 4503292
关于积分的说明 14015481
捐赠科研通 4412031
什么是DOI,文献DOI怎么找? 2423615
邀请新用户注册赠送积分活动 1416548
关于科研通互助平台的介绍 1394032