文献

J-GLOBAL ID：201702256931951697   整理番号：17A1257634

不均衡試料分布を持つ病院再入院予測のための局所サンプリング【Powered by NICT】

Localized sampling for hospital re-admission prediction with imbalanced sample distributions

著者 (3件)： Zhu Xingquan (Dept. of Computer & Electrical Eng. and Computer Science, Florida Atlantic University, Boca Raton, FL 33431) ,  Hurtado Jose (Dept. of Computer & Electrical Eng. and Computer Science, Florida Atlantic University, Boca Raton, FL 33431) ,  Tao Haicheng (School of Computer Science & Eng., Nanjing University of Science and Technology, Nanjing, China 210094)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 4571-4578  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 病院再入院は以前に退院患者は短期間(例えば30日)以内再入院であることを専門医療事象に言及した。再入院は患者の生活の質を格下げし,ヘルスケアシステムへの重大な経済負荷を加えた。今日まで,医療意思決定支援のための将来の再入院している患者の可能性を予測するための計算アプローチを使用する多くのシステム。病院再入院予測のための予測モデルを構築する場合,一つの重要な課題は,典型的には,患者の10%以下であった近い将来における再入院されつつそうなデータにおける試料分布は著しく不均衡なことである。試料不均衡を考慮せずに,予測モデルを予測のための正確な結果を生じないであろう。今日まで,既存再入院モデルは,それらの系におけるそのようなデータ不均衡問題を明確に取り上げていない。本論文において,筆者らは不均衡試料分布を持つ病院再入院予測を検討し,正確な予測モデルを構築支援に局在するサンプリング手法を用いることを提案した。局所サンプリングのために,分類し,このような例にバイアスするサンプリングプロセスを可能にするために困難な試料を強調した。分類するのが難しい例発見はインスタンス間の距離の計算を必要とし,電子健康記録(EHR)データの高次元性が距離計算は高度に無効にするため,インスタンス間の距離の効果的で正確な計算のための低次元トピック空間の高次元性からの試料を減少させるために潜在している話題埋め込みを用いることを提案した。平衡データセットの複数バージョンを構築するための局所サンプリングを用いて,複数の予測モデルを訓練し,予測のためのそれらの結果を結合することができた。いくつかの南フロリダ地域病院から収集されたデータの実験との比較は,この方法の性能を実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： フロリダ州 ,  クオリティオブライフ ,  高次元 ,  予測モデル ,  *病院 ,  患者 ,  電子カルテ ,  *予測 ,  病歴
準シソーラス用語： 地域病院 ,  低次元 ,  距離計算 ,  意思決定支援 ,  退院患者 ,  *不均衡 , 【Automatic Indexing@JST】

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (7件)： 均衡 ,  試料 ,  分布 ,  病院 ,  再入院 ,  予測 ,  サンプリング