【技术实现步骤摘要】
本专利技术涉及计算机，具体涉及一种非计划性再入院风险预测方法及系统。
技术介绍
1、肝硬化是一种病情严重的疾病，是大多数慢性肝病的最终共同路径，包括慢性乙型肝炎、丙型肝炎、酒精相关性肝病和非酒精性脂肪肝疾病。与其他慢性疾病相比，慢性肝病导致更高的住院率、更长的住院时间和更多的再入院次数。研究报告显示，肝硬化患者在出院后的7到90天内的再入院率在10％-50％之间，其中大多数为非计划性再入院。而非计划性再入院中有很大一部分是可避免的。早期识别高风险患者可以进行前瞻性干预，从而改善医疗结果。
2、近年来，电子健康记录，即电子病历，被广泛应用于各种临床和研究领域，机器学习算法在挖掘电子健康记录数据方面取得了巨大成功。电子健康记录中捕获的各种临床指标(如实验室结果和生命体征)为开发前沿的预测模型提供了数据支持，可以为临床决策提供有用的指导。例如，kenneth berman等人进行了一项研究，使用两家大型学术医学中心的住院肝病科数据进行多变量分析，以识别与30天再入院相关的变量，并研究其与晚期肝病患者90天死亡率的关系。chang ...
【技术保护点】
1.一种非计划性再入院的疾病风险预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的非计划性再入院的疾病风险预测方法，其特征在于，将所述数据集中部分数据作为训练集，从每个训练样本中提取一组代表医学诊断的二元变量的规则，所有规则形成所述规则集。
3.根据权利要求1所述的非计划性再入院的疾病风险预测方法，其特征在于，所述能力区域包括第一能力区域以及第二能力区域；
4.根据权利要求3所述的非计划性再入院的疾病风险预测方法，其特征在于，所述第一组元特征包括衡量第一能力区域内局部准确性的标准、第一能力区域内共识程度、第一能力区域内整...
【技术特征摘要】
1.一种非计划性再入院的疾病风险预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的非计划性再入院的疾病风险预测方法，其特征在于，将所述数据集中部分数据作为训练集，从每个训练样本中提取一组代表医学诊断的二元变量的规则，所有规则形成所述规则集。
3.根据权利要求1所述的非计划性再入院的疾病风险预测方法，其特征在于，所述能力区域包括第一能力区域以及第二能力区域；
4.根据权利要求3所述的非计划性再入院的疾病风险预测方法，其特征在于，所述第一组元特征包括衡量第一能力区域内局部准确性的标准、第一能力区域内共识程度、第一能力区域内整体准确性、决策空间中的准确性、输入样本的置信度程度；
5.根据权利要求1所述的非计划性再入院的疾病风险预测方法，其特征在于，所述可解释的代表医学诊断的二元变量为合并症和并发症的存在或...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。