Core Concepts
患者の再入院を予測するために、テキストマイニングアプローチと離院報告書の処理が有効であることが示されました。
Abstract
患者の再入院を予測するために、テキストマイニングアプローチと離院報告書の処理が有効であることが議論されています。
研究では、さまざまな機械学習モデルのパフォーマンスが評価され、ランダムフォレストモデルとコンセプトバッグアプローチが他のモデルよりも優れていることが示されました。
この研究は、患者の再入院確率を最も高く予測し、リコールスコアが68.9%でした。
Abstract:
電子健康データ量の増加により、医療サービス向上や医療費削減を目指す研究が可能になっています。
医学分野で注目されているトピックは、退院後すぐに再入院しそうな患者を特定することです。
Introduction:
高い再入院率は医療施設のパフォーマンス品質を示す指標であり、適切な治療法選択に役立ちます。
Related Works:
データマイニング手法や深層学習アルゴリズムなどが利用されており、異なる手法間で精度や効果性が比較されています。
Research Approach:
データ前処理や数値化手法(単語袋・概念袋)について詳細に説明しています。
Evaluation:
様々なモデルや手法(単語袋・概念袋)による実験結果や精度指標(AUC, Recall)が示されています。
Stats
この研究はリコールスコア68.9%で最高得点を記録しました。