PulseAugur
实时 21:42:32
English(EN) Temporal Data Requirement for Predicting Unplanned Hospital Readmissions

研究:更短的数据窗口可优化AI在医院再入院预测中的应用

一篇新发表在arXiv上的研究探讨了预测医院再入院的最佳历史数据窗口。研究人员发现,对于非结构化的临床记录,手术前三到六个月的较短窗口能产生最佳的预测性能。相比之下,结构化数据在更长的时间窗口下表现出性能提升,并在十二个月后趋于平稳。这些发现表明,仅仅使用更多的历史数据并不总能带来更好的机器学习预测,为优化再入院预测模型提供了指导。 AI

影响 为优化医疗保健领域的预测模型提供了数据驱动的指导,有可能改善患者预后并降低成本。

排序理由 关于医疗保健应用中机器学习的学术论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

研究:更短的数据窗口可优化AI在医院再入院预测中的应用

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Ramin Mohammadi, Vahab vahdat, Sarthak Jain, Amir T. Namin, Ramya Palacholla, Sagar Kamarthi ·

    Temporal Data Requirement for Predicting Unplanned Hospital Readmissions

    arXiv:2605.00738v1 Announce Type: new Abstract: With the proliferation of Electronic Health Records (EHRs), a critical challenge in building predictive models is determining the optimal historical data time window to maximize accuracy. This study investigates the impact of variou…

  2. arXiv cs.LG TIER_1 English(EN) · Sagar Kamarthi ·

    Temporal Data Requirement for Predicting Unplanned Hospital Readmissions

    With the proliferation of Electronic Health Records (EHRs), a critical challenge in building predictive models is determining the optimal historical data time window to maximize accuracy. This study investigates the impact of various observation windows ranging from the day of su…