کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6853371 1437154 2018 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Bayesian averaging over Decision Tree models for trauma severity scoring
ترجمه فارسی عنوان
میانگین بیزی بر روی مدل تصمیم گیری درخت برای به ثمر رساندن شدت تروما
کلمات کلیدی
روش بیزی، درخت تصمیم گیری، توزیع پیش آگهی خلفی، نمره شدت آسیب،
ترجمه چکیده
پزشکان مراقبت از خطرات احتمالی تصمیمات گمراه کننده را تجزیه و تحلیل می کنند و نیاز به ارزیابی و عدم قطعیت در پیش بینی ها دارند. ما طلا را مورد بررسی قرار داده ایم استاندارد غربالگری شرایط بیمار برای پیش بینی احتمال زنده ماندن بر اساس مدل رگرسیون لجستیک که در مراقبت های تروما برای اهداف بالینی و حسابرسی کیفیت استفاده می شود. این روش بر پایه فرضیه های نظری درباره داده ها و عدم اطمینان استوار است. مدل هایی که در چنین رویکشی ایجاد شده است، تعدادی از مشکلات را در بر می گیرد، که نوسانات غیر قابل توضیح از بقای پیش بینی شده و دقت پایین برآورد فواصل عدم اطمینان را که در آن پیش بینی ها ساخته می شود، ارائه می دهد. روش بیزی، که در تئوری قادر است پیش بینی های دقیق و تخمین های عدم قطعیت را ارائه دهد، در مطالعه ما با استفاده از مدل های درخت تصمیم گیری مورد استفاده قرار گرفته است. رویکرد ما بر روی مجموعه ای بزرگ از بیماران ثبت شده در بانک اطلاعاتی ملی تروما داده شده است و از روش استاندارد با توجه به دقت پیش بینی شده برتر است. در نتیجه، تمرینکنندگان با ارزیابی دقیق از تراکم پیش بینی پیش آگهی مورد نظر که برای ایجاد خطر آگاهانه تصمیم گیری.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Health care practitioners analyse possible risks of misleading decisions and need to estimate and quantify uncertainty in predictions. We have examined the “gold” standard of screening a patient's conditions for predicting survival probability, based on logistic regression modelling, which is used in trauma care for clinical purposes and quality audit. This methodology is based on theoretical assumptions about data and uncertainties. Models induced within such an approach have exposed a number of problems, providing unexplained fluctuation of predicted survival and low accuracy of estimating uncertainty intervals within which predictions are made. Bayesian method, which in theory is capable of providing accurate predictions and uncertainty estimates, has been adopted in our study using Decision Tree models. Our approach has been tested on a large set of patients registered in the US National Trauma Data Bank and has outperformed the standard method in terms of prediction accuracy, thereby providing practitioners with accurate estimates of the predictive posterior densities of interest that are required for making risk-aware decisions.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Artificial Intelligence in Medicine - Volume 84, January 2018, Pages 139-145
نویسندگان
, , ,