数据平衡有助于提高急诊科患者的死亡率预测准确性

《BMC Medical Informatics and Decision Making》：Data balancing improves mortality prediction for emergency department patients

　　

摘要

背景

在急诊科（ED），准确预测患者死亡率对于提升急诊医疗服务至关重要。目前的预测模型在准确性和实用性方面都存在局限，尤其是在早期识别高风险患者方面。由于死亡样本的数量远少于生存样本，机器学习的效果受到数据质量的严重影响。本研究旨在实现更平衡且更准确的患者死亡率预测，并评估数据平衡方法的有效性。

方法

本研究分析了2008年至2016年间从台湾五家医疗机构收集的2,437,341份非创伤性成人急诊就诊记录，涵盖了四个死亡时间范围：24小时内死亡、72小时内死亡、168小时内死亡以及最终死亡，并评估了三种数据平衡方法：随机欠采样（RUS）、合成少数类过采样技术（SMOTE）和随机过采样（ROS）。我们采用了随机森林（RF）、AdaBoost（ADA）和XG Boost（XGB）作为模型。逻辑回归（LR）作为这些模型的元学习器。此外，我们还基于RF、ADA、带自助法的AdaBoost（ADA-BS）和信息增益（IG）进行了特征重要性分析。

结果

我们使用XGB构建的模型获得了最佳的AUROC值，为91.41%，优于Wu等人使用相同数据集在168小时死亡时间范围内获得的90.2%。我们的真正例率（TPR）和真负例率（TNR）分别为79.88%和86.73%，比先前研究中的25%和100%更为均衡。ROS的表现优于RUS和SMOTE，成为我们的主要数据平衡方法。在24小时死亡时间范围内使用XGB时，ROS获得了最佳的AUROC值93.72%，RUS为93.61%，SMOTE为91.73%。与Lin等人的研究相比，特征重要性分析显示我们的平衡数据集具有更好的特征重要性影响，尤其是“年龄”和“分诊”这两个特征。

结论

与以往的研究相比，我们的方法在AUROC方面取得了更好的成绩，尤其是在使用XGB和ROS处理较长的死亡时间范围时。我们的方法实现了更均衡的TPR和TNR，这比单纯的AUROC更具实用性。此外，特征重要性分析表明我们的平衡数据集具有更好的特征重要性表现。