A comparative study of pattern recognition algorithms for predicting the inpatient mortality risk using routine laboratory measurements
Kein Vorschaubild vorhanden
Autor:in (Körperschaft)
Publikationsdatum
2018
Typ der Arbeit
Studiengang
Typ
01A - Beitrag in wissenschaftlicher Zeitschrift
Herausgeber:innen
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
Artificial Intelligence Review
Themenheft
DOI der Originalpublikation
Link
Reihe / Serie
Reihennummer
Jahrgang / Band
52
Ausgabe / Nummer
Seiten / Dauer
2559–2573
Patentnummer
Verlag / Herausgebende Institution
Springer
Verlagsort / Veranstaltungsort
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Zusammenfassung
Laboratory tests are a common and relatively cheap way to assess the general health status of patients. Various publications showed the potential of laboratory measurements for predicting inpatient mortality using statistical methodologies. However, these efforts are basically limited to the use of logistic regression models. In the present paper we use anonymized data from about 40,000 inpatient admissions to the Inselspital in Bern (Switzerland) to evaluate the potential of powerful pattern recognition algorithms employed for this particular risk prediction. In addition to the age and sex of the inpatients, a set of 33 laboratory measurements, frequently available at the Inselspital, are used as basic variables. In a large empirical evaluation we demonstrate that recent pattern recognition algorithms (such as random forests, gradient boosted trees or neural networks) outperform the more traditional approaches based on logistic regression. Moreover, we show how the predictions of the pattern recognition algorithms, which cannot be directly interpreted in general, can be calibrated to output a meaningful probabilistic risk score.
Schlagwörter
Fachgebiet (DDC)
330 - Wirtschaft
Veranstaltung
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
Enddatum der Konferenz
Datum der letzten Prüfung
ISBN
ISSN
1573-7462
0269-2821
0269-2821
Sprache
Englisch
Während FHNW Zugehörigkeit erstellt
Ja
Zukunftsfelder FHNW
Publikationsstatus
Veröffentlicht
Begutachtung
Peer-Review der ganzen Publikation
Open Access-Status
Closed
Lizenz
Zitation
SCHÜTZ, Narayan, Alexander Benedikt LEICHTLE und Kaspar RIESEN, 2018. A comparative study of pattern recognition algorithms for predicting the inpatient mortality risk using routine laboratory measurements. Artificial Intelligence Review. 2018. Bd. 52, S. 2559–2573. DOI 10.1007/s10462-018-9625-3. Verfügbar unter: https://irf.fhnw.ch/handle/11654/42551