新的置信预测方法解决了跨医院的临床数据缺失问题

研究人员开发了一种新的置信预测方法，该方法解决了不同医院临床测量数据缺失的问题。这种缺失感知程序旨在确保在根据是否记录特定测量值定义的患者群体内实现准确的覆盖。在利用 eICU 和 MIMIC-IV 数据集进行的死亡率预测任务上进行测试时，与池校准相比，该方法在减少覆盖差距方面有所改进，尽管在所有设置和预测器上的收益并不一致。 AI

影响 这项研究通过更好地处理缺失数据，可以提高医疗保健领域预测模型的可靠性，从而带来更值得信赖的临床决策支持。

排序理由 该条目是一篇学术论文，详细介绍了一种用于特定领域置信预测的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• Connected Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Influence Flower
• Litmaps
• MIMIC-IV
• ScienceCast
• scite Smart Citations

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →