基于EMR的冠心病患者主要心脏不良事件预测方法研究

• 作者: 张琳琳 张颖 杨晓辉 毕雪华 高颖
• 来源期刊: 中国数字医学
• 学科: 医学
• 关键词: 电子病历 深度学习 冠心病 主要心脏不良事件
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 特别专题—网络大会优秀论文选登
• 页码范围: 19-22
• 页数: 4页
• 分类号: R319|TP391
• 字数: 2390字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2019.05.005

摘要

目的:及时有效地预测主要心脏不良事件,在临床决策中起到了至关重要的作用.随着电子病历数量的日益增长,传统队列研究方法 预测效率无法满足需求,针对这一问题,提出了一种深度学习迭代增强的预测方法.方法:将重采样策略集成在增强框架里,借助神经网络方法进行分类预测.结果:实验验证了所提方法在含有500个冠心病患者样本和26种特征类型的临床数据集上的有效性,与标准SVM、随机森林、Naive Bayes和用于MACE预测的常规GRACE、TIMI风险评分系统相比,所提出的方法取得了较高的预测值.结论:提出的方法在预测结果上有了明显的提高,为临床工作中冠心病患者风险状态评估提供了方法指导和技术支持,对于辅助临床决策具有重要的科学意义.