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
大幅提高文件上传限制,最高150M (2024-4-1)

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
soar完成签到,获得积分10
刚刚
简单的如松完成签到,获得积分20
1秒前
石文完成签到,获得积分10
1秒前
lrj发布了新的文献求助10
3秒前
s615发布了新的文献求助10
3秒前
徐小完成签到,获得积分20
3秒前
4秒前
4秒前
4秒前
Akim应助十二采纳,获得10
4秒前
linxi完成签到,获得积分10
4秒前
6秒前
TTT完成签到,获得积分20
6秒前
后周寒生完成签到,获得积分10
7秒前
Hello应助聪慧的谷雪采纳,获得30
7秒前
单薄的雁枫完成签到,获得积分10
7秒前
8秒前
天天快乐应助暴躁的信封采纳,获得10
8秒前
dingxy1009完成签到,获得积分10
8秒前
刘茂甫发布了新的文献求助10
9秒前
10秒前
李健应助wangshibing采纳,获得10
10秒前
田様应助鑫鑫努力学习采纳,获得10
10秒前
nini完成签到,获得积分10
10秒前
cyz012568完成签到,获得积分10
10秒前
zzppp完成签到,获得积分20
11秒前
11秒前
11秒前
慕青应助Leah采纳,获得10
11秒前
建新发布了新的文献求助10
11秒前
魇无月完成签到,获得积分10
12秒前
卡不卡不完成签到,获得积分10
13秒前
13秒前
13秒前
图图烤肉发布了新的文献求助10
13秒前
zzzzz完成签到,获得积分10
14秒前
在水一方应助暴躁的信封采纳,获得10
14秒前
肥陈完成签到,获得积分10
14秒前
14秒前
z_zq完成签到,获得积分10
14秒前
高分求助中
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 800
Essentials of thematic analysis 700
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Внешняя политика КНР: о сущности внешнеполитического курса современного китайского руководства 500
Revolution und Konterrevolution in China [by A. Losowsky] 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3122329
求助须知:如何正确求助?哪些是违规求助? 2772690
关于积分的说明 7714624
捐赠科研通 2428211
什么是DOI,文献DOI怎么找? 1289656
科研通“疑难数据库(出版商)”最低求助积分说明 621484
版权声明 600183