Microsoft Word - Deep Learning Vs Traditional Models_Abdel Hai_Final.Part 1
Jan 03, 2024
Abstract
Ib lub tsev kho mob nyeem cov cuab yeej ntsuas kev pheej hmoo rau cov neeg mob ntshav qab zib raws li cov ntaub ntawv kho mob hauv hluav taws xob (EHR) yog xav tau.
Nrog rau kev txhim kho ntawm tib neeg txoj kev ua neej nyob, ntshav qab zib tau dhau los ua tus kab mob sib kis hauv peb lub tebchaws. Cov neeg mob ntshav qab zib yuav tsum tau saib xyuas lawv lub cev kom zoo thiab saib xyuas tas li thiab kho lawv cov kev noj haus thiab kev ua neej nyob kom ntseeg tau lawv txoj kev noj qab haus huv. Hauv cov ntsiab lus no, qhov tseem ceeb ntawm kev nco kuj tseem ceeb.
Ntau cov kev tshawb fawb tau lees paub tias ntshav qab zib thiab kev nco yog sib cais. Ntshav qab zib muaj feem cuam tshuam rau kev ua haujlwm ntawm lub hlwb, tshwj xeeb yog kev nco, kev kawm, thiab kev txawj ntse. Nws tau pom tias cov neeg mob ntshav qab zib muaj feem ntau dua li cov neeg zoo tib yam los ntawm kev nco qab, txo qis kev kawm, thiab muaj peev xwm tsis muaj zog.
Txawm li cas los xij, peb yuav tsum tsis txhob tso tseg. Ntshav qab zib tuaj yeem tswj tau zoo thiab nws cuam tshuam rau peb lub cev los ntawm kev hloov pauv kev noj haus thiab kev ua neej.
Ua ntej tshaj plaws, kev tswj hwm kev noj haus tseem ceeb heev. Cov neeg mob ntshav qab zib yuav tsum txwv tsis pub noj sodium (ntsev), qab zib, thiab rog kom ntseeg tau tias kev noj zaub mov zoo. Kev noj zaub mov kom zoo muaj txiaj ntsig zoo rau lub cev kev pw tsaug zog zoo, kev noj qab haus huv ntawm lub hlwb, kev sib npaug hormonal, metabolism, thiab kev tiv thaiv ib nrab ntawm dab noj hnub, txhua yam tuaj yeem pab txhim kho kev nco thiab kev txawj ntse. Qhov thib ob, ntxiv qee qhov kev tawm dag zog. Tsis tsuas yog kev tawm dag zog pab tswj cov ntshav qab zib, tab sis nws tseem tuaj yeem pab txhim kho kev nco thiab kev txawj ntse los ntawm kev ntxiv dag zog rau cov leeg, txo kev ntxhov siab, thiab tshem tawm cov kev xav phem.
Thaum kawg, yuav tsum tau kho kom raug. Cov ntshav qab zib kom ruaj khov kuj pab txhim kho lub hlwb kev kawm thiab kev nco muaj peev xwm.
Txawm hais tias cov neeg mob ntshav qab zib yuav ntsib ntau yam teeb meem xws li kev nco tsis tau, qhov no yuav tsum tsis txhob tiv thaiv cov neeg mob ntshav qab zib kom ua lub neej noj qab haus huv thiab muaj zog. Saib xyuas koj cov kev noj haus thiab kev ua neej, ua qee yam kev tawm dag zog, thiab tswj kev zoo siab yog qhov zoo rau kev kho mob. Nws tseem tuaj yeem tiv thaiv peb lub cev, nco, thiab kev paub zoo dua. Peb yuav tsum txhim kho kev nco, thiab Cistanche deserticola tuaj yeem txhim kho kev nco zoo vim Cistanche deserticola yog cov khoom siv tshuaj suav tshuaj suav nrog ntau yam tshwj xeeb, ib qho ntawm kev txhim kho kev nco. Kev ua tau zoo ntawm cov nqaij minced los ntawm ntau yam khoom xyaw uas nws muaj, nrog rau cov kua qaub, polysaccharides, flavonoids, thiab lwm yam. Cov khoom xyaw no tuaj yeem txhawb lub hlwb kev noj qab haus huv ntau txoj hauv kev.
Nyem paub 10 txoj hauv kev los txhim kho kev nco
Txawm li cas los xij, txoj kev ua qauv zoo tshaj plaws, tsis meej. Hauv 2,836,569 ntsib nrog 36,641 cov neeg mob ntshav qab zib, kev kawm tob (DL) lub sij hawm luv luv (LSTM) cov qauv kwv yees tsis tau npaj tseg, txhua qhov ua rau, 30- hnub nyeem ntawv tau tsim thiab piv rau ntau cov qauv ib txwm muaj. Cov qauv siv EHR cov ntaub ntawv txhais los ntawm Common DataModel.
LSTM qauv Cheeb Tsam Nyob rau hauv Tus Txais Kev Ua Haujlwm Yam Ntxim Saib Ntxim Ua (AUROC) yog qhov muaj txiaj ntsig zoo dua li ntawm tus qauv zoo tshaj plaws tom ntej [LSTM {{0}}}.79 vs Random Forest (RF) 0.72, p<0.0001]. Experiments showed that the performance of the LSTM models increased as the prior encounter number increased up to 30 encounters.
Ib qho qauv LSTM nrog 16 qhov kev sim kuaj sim tau muab qhov kev ua tau zoo sib npaug rau tus qauv nrog tag nrho 981 kev kuaj sim. Tus qauv DL tshiab no tuaj yeem muab lub hauv paus rau kev nyeem ntawv muaj txiaj ntsig zoo dua qhov kev twv twv txiaj rau cov neeg mob ntshav qab zib.
Taw qhia
Kev nyeem ntawv hauv tsev kho mob yog qhov tsis xav tau, raug nqi ntau rau cov neeg mob thiab tsev kho mob.1 Cov neeg mob ntshav qab zib muaj kev pheej hmoo siab dua ntawm kev nyeem ntawv tsis pub dhau 30 hnub ntawm tsev kho mob tawm (30- hnub nyeem ntawv) dua li cov neeg mob uas tsis muaj ntshav qab zib.
2-4 Ntawm ze li ntawm 9 lab tso tawm cov neeg mob ntshav qab zib ib xyoos ib zaug hauv Asmeskas, 5 yuav luag 2 lab yog 30- hnub nyeem ntawv, suav nrog tsawg kawg yog $ 20 nphom hauv tsev kho mob cov nqi.
6, 7 Kev txheeb xyuas cov neeg mob uas muaj kev pheej hmoo siab dua uas muaj ntshav qab zib yuav ua rau lub hom phiaj ntawm kev cuam tshuam rau cov neeg xav tau ntau tshaj plaws, ua kom cov txiaj ntsig zoo ntawm tus nqi.
Peb yav dhau los tau tshaj tawm txoj kev txhim kho thiab kev lees paub ntawm Diabetes Early Readmission Risk Indicator (DERRITM), tus qauv logistic regression (LR) uas kwv yees qhov kev pheej hmoo ntawm txhua qhov ua rau 30- hnub nyeem ntawv ntawm cov neeg mob ntshav qab zib.
8 Lub DERRITM tau tsim los siv rau ntawm qhov chaw saib xyuas raws li cov neeg siv tswv yim ntawm 10 yam. Hauv kev faib ua piv txwv sab hauv kev siv tau, kev ua tau zoo yog qhov me me (Qhov Chaw Nyob Hauv Tus Txais Txais Kev Ua Haujlwm Cwj Pwm, AUROC 0.69).
Hauv kev tshawb nrhiav kev lees paub sab nraud, DERRITM AUROC yog {{0}}}.63 thiab 0.80.9, 10 Ntxiv rau qhov kev ua tau zoo sib txawv, daim ntawv thov ntawm DERRITM xav tau phau ntawv sau cov ntaub ntawv thiab nkag, uas yog cov teeb meem loj rau nws siv hauv kev kho mob.
Hauv lwm txoj haujlwm tshaj tawm, peb tau pom tias ntxiv qhov hloov pauv rau DERRITM tau txhim kho qhov tseeb ntawm qhov tseeb rau AUROC ntawm 0.82.11 Cov qauv nthuav dav no (DERRIplus), txawm li cas los xij, tsis muaj peev xwm siv tau ntawm qhov chaw saib xyuas thiab suav nrog kev ua haujlwm, uas tsis niaj hnub sau tseg hauv Electronic Health Records (EHRs).
Yog li ntawd, tus qauv no tsis tuaj yeem muab txhais ncaj qha rau hauv ib qho khoom siv, EHR-integrated tool. Muaj ib qho kev xav tau uas tsis xav tau rau kev nyeem ntawv qhov kev kwv yees kev pheej hmoo rau cov neeg mob ntshav qab zib uas yog qhov tseeb thiab siv tau yooj yim.
Ob peb xyoos dhau los no, ntau lub tshuab kev kawm (ML) qauv rau kev kwv yees {{0}} hnub nyeem ntawv pheej hmoo ntawm cov neeg mob ntshav qab zib tau luam tawm. Ntau qhov kev ua qauv ntawm ML tau raug tshawb nrhiav, suav nrog hav zoov (RF), k-qhov ze tshaj plaws neeg nyob ze, naïve Bayes, txhawb nqa vector tshuab (SVM), AdaBoost, thiab multilayer perceptron (MLP), nrog ntau yam kev ua tau zoo (AUROC {{5). }}.53-0.99, qhov tseeb 0.54-0.99).
{{0}} Cov qauv Deeplearning (DL) kuj tau tsim los rau kev kwv yees qhov kev pheej hmoo ntawm kev nyeem ntawv ntawm cov neeg mob ntshav qab zib, nrog rau kev ua haujlwm sib txawv (AUROC 0.61-0}.97, qhov tseeb 0.{{ 5}}.95), tsis muaj ib qho twg tshaj qhov zoo tshaj plaws MLmodels. DL mus kom ze.
25, 27 Kev sib piv ntawm cov qauv kev ua tau zoo thoob plaws tag nrho cov kev tshawb fawb no, txawm li cas los xij, raug txwv los ntawm qhov tsis muaj kev tshaj tawm ntawm cov yam ntxwv ntawm kev ua tau zoo thiab cov kev hloov pauv mus rau kev sim.
Yog li, nws tseem tsis tau paub meej yog tias DL cov qauv ua tau zoo tshaj li cov qauv ML ntawm kev kwv yees kev pheej hmoo rau cov neeg mob ntshav qab zib.
Qhov zoo siab, tag nrho cov qauv ua ntej no tau tsim los ntawm tib cov ntaub ntawv, 28 tshwj tsis yog rau DERRITM thiab DERRIplus. Cov ntaub ntawv tshaj tawm rau pej xeem no muaj cov tsev kho mob ntsib nrog kev kuaj mob ntshav qab zib thiab ntev nyob nruab nrab ntawm 1 thiab 14 hnub ntawm ib qho ntawm 130 lub tsev kho mob hauv Asmeskas thaum xyoo 1999 thiab 2008.
Tsuas yog 3 Kev Sib Tw Thoob Ntiaj Teb ntawm Cov Kab Mob, Cuaj Hlis Kev Kho Mob (ICD-9) cov lej kuaj mob ib zaug, thiab tsuas yog 2 qhov ntsuas qhov ntsuas (cov ntshav qabzib thiab HbA1c) tau sau tseg.
Thaum kawg, tsis muaj qhov sib txawv ntawm cov ntawv npaj thiab tsis tau npaj los nyeem. Yog li, txawm tias qhov zoo tshaj plaws ntawm cov qauv no yuav tsis ua zoo rau cov neeg mob niaj hnub no. Ntau tam sim no, generalizable qauv yog xav tau.
Yog li ntawd, txhawm rau daws qhov tsis sib xws, lub hom phiaj ntawm txoj kev tshawb fawb tam sim no tau ua raws li hauv qab no: 1) Txhawm rau tsim cov qauv DL rau kev kwv yees ntawm qhov tsis tau npaj tseg, tag nrho-ua rau 30- hnub nyeem ntawv, 2) Txhawm rau sib piv qhov ua tau zoo ntawm DL qauv rau ML qauv, 3)
Txhawm rau tshawb nrhiav cov qauv kev ua tau zoo thoob plaws ntau yam ntawm EHR yav dhau los ntsib los ntawm 1 txog 100 tau suav nrog hauv kev txhim kho tus qauv, thiab 4) Kev sib piv DL qauv tsim los siv cov txheej txheem ntawm kev kuaj sim uas tau xaiv los ntawm domainknowledge nrog DL qauv tsim los siv tag nrho cov kev ntsuam xyuas muaj.
Tag nrho cov qauv tau tsim thiab sim hauv cov ntaub ntawv ntawm 2,836,569 ntsib ntawm 36,641 cov neeg mob ntshav qab zib siv cov pej xeem, cov cim tseem ceeb, kev kuaj mob thiab cov txheej txheem, cov tshuaj, kev sim kuaj, thiab cov ntaub ntawv tswj xyuas raws li tau hais los ntawm National Patient-CenteredClinical Research Network (PCORnet) Common. (CDM).29
Cov ntaub ntawv thiab cov txheej txheem
Definition ntawm tus neeg mob cohort
Cov txheej txheem suav nrog yog cov neeg mob uas muaj tsawg kawg ib qho tso tawm los ntawm ib qho ntawm peb lub Tuam Tsev Tsev Kho Mob Kev Noj Qab Haus Huv Systemhospitals hauv Philadelphia, PA, thaum Lub Xya Hli 1st, 2010, thiab Kaum Ob Hlis 31st, 2020, thiab ntshav qab zib tau txhais los ntawm tsawg kawg ib qho hauv qab no: kev kuaj mob ntshav qab zib ( ICD-9: 249. xx lossis 250. xx lossis ICD-10: E08.xxx txog E13.xxx); aHemoglobin A1c (HbA1c) qib siab dua lossis sib npaug li 6.5%, lossis kev txiav txim rau cov tshuaj kho mob ntshav qab zib.
Kev sib ntsib tsis suav nrog rau cov neeg mob hnub nyoog<18 years, discharged by transfer to another hospital, inpatient death, a diagnosis of gestational diabetes (ICD-9: 648.0x or ICD-10: O24.4x), a diagnosis of prediabetes (ICD-9: 790.29 or ICD-10: R73.03), or pregnancy (positive beta-human chorionic gonadotropin laboratory test within 90 days before or after the encounter).
Cov neeg mob tau txheeb rau hauv ib qho ntawm 2 pawg los ntawm kev nyeem ntawv: cov neeg uas muaj tsawg kawg yog ib 30- hnub nyeem ntawv thiab cov uas tsis tau. Ntawm cov neeg mob uas tau txais kev nyeem ntawv, ib khub nkag-readmission tau raug xaiv los ntawm kev txheeb xyuas. Ntawm cov neeg mob uas tsis tau txais kev lees paub, ib qho kev lees paub raug xaiv randomly foranalysis.
Lub ntsiab lus ntawm kev hloov pauv thiab cov ntaub ntawv ua ntej
Cov rooj tau muab rho tawm los ntawm CDM rau txhua qhov hauv qab no: kev sib ntsib, cov pej xeem, kev kuaj mob, kev kuaj mob, kev txiav txim tshuaj, cov txheej txheem, thiab cov cim tseem ceeb. Vim hais tias cov yam ntxwv ntawm ib qho kev sib ntsib muaj ntau lub rooj, cov rooj tau sib koom ua ke los ntawm tus cim tshwj xeeb. Kev sib koom ua ke rho tawm cov rooj ua rau ib qho qauv uas muaj cov ntaub ntawv tag nrho rau qhov kev sib ntsib.
Qhov no ua rau muaj qhov ploj lawm ntau. Yog li, kev ploj ploj tau siv los ua ib qho kev cais. Rau cov yam ntxwv tas mus li, cov ntaub ntawv uas ploj lawm tau hloov nrog 0, thaum categorical nta tau hloov nrog ib pawg tshwj xeeb.
Tag nrho ntawm 23 tus yam ntxwv tau siv los ua cov khoom siv rau cov qauv: 14 tau muab rho tawm los ntawm CDM thiab 9 tau sib sau ua ke.Extracted nta yog: 1) Encounter type (Inpatient, Emergency Department, Observation Stay, Ambulatory Visit, Other Ambulatory Visit, Telehealth thiab Lwm yam; 2) Discharge Status (Assisted living Facility, Against Medical Advice, Expired, Home Health, Home/Self Care, Hospice, Nursing Home, Rehabilitation Facility, Skilled Nursing Facility; 3) Sex; 4) Neeg Hispanic; 5) haiv neeg (American Indian/Alaska Haiv neeg, Neeg Esxias, Dub, Pacific Islander, Dawb, lwm yam / tsis paub); 6) Tobacco (tus neeg siv tam sim no, tsis yog tus neeg siv, tus neeg siv yav dhau los, kev kis tus kab mob, lwm yam / tsis muaj ntaub ntawv); 7) hnub nyoog; 8)
Diagnosis Clinical Classification System (CCS) cov lis dej num;29 9) Cov txheej txheem CCS cov lej;29 10) Cov txiaj ntsig hauv chav kuaj; 11) Kev txiav txim tshuaj tsis pub dhau 1 xyoos ua ntej txhua qhov ntsib; 12) Diastolic ntshav siab; 13) Systolic ntshav siab; thiab 14) Lub cev qhov ntsuas qhov ntsuas (BMI).
Aggregated nta yog: 1) Elixhauser tej yam kev mob: ib tug binary feature qhia tau hais tias muaj los yog tsis muaj ntawm txhua yam mob;30 2) Duration ntawm kev nkag (ntev nyob rau hauv hnub); 3) ntau cov txheej txheem ua ntej hloov mus rau CCS code; 4) ntau qhov kev kuaj mob ua ntej hloov mus rau CCS code; 5) tus naj npawb ntawm hnub txij li qhov kev sib ntsib ua ntej tsis hais hom kev sib ntsib; 6) ob peb hnub txij li tus neeg mob nyob rau hauv ua ntej, soj ntsuam lub chaw saib xyuas xwm txheej ceev; 7) ob peb hnub txij li kev sib ntsib ua ntej ntawm lwm yam (tsis yog tsev kho mob) ntsib; 8) ob peb tus neeg mob hauv tsev kho mob, kev soj ntsuam, thiab chaw kho mob xwm txheej ceev ua ntej ntsib tam sim no; thiab 9) ob peb lwm (tsis yog tsev kho mob) ntsib ua ntej ntsib tam sim no.
ICD-9 cov lej tau hloov mus rau ICD-10 codesto sib sau ua ke cov qauv code. ICD-10 cov lej thiab cov lej txheej txheem tau hloov mus rau CCS cov lej. Raws li kev paub dhau los, cov tshuaj uas cuam tshuam rau ntshav qab zib tau raug cais raws li hauv qab no: cov tshuaj noj ntshav qab zib hauv chav kawm, cov roj cholesterol, corticosteroids, renin-angiotensin system (RAAS) cov tshuaj ntshav siab, thiab cov tshuaj uas tsis yog RAS ntshav siab. Lwm yam tshuaj tsis quav ntsej.
Cov yam ntxwv pom tias tsis tuaj yeem ntseeg tau, feem ntau ploj, lossis cuam tshuam raug tshem tawm. Outliers infeatures xws li hnub tim, cov txiaj ntsig, qhov siab, qhov hnyav, BMI, thiab ntshav siab (systolic thiab diastolic) raug tshem tawm los ntawm kev saib xyuas cov ntaub ntawv faib tawm, feem pua, thiab kev paub sau npe. Cov nqi uas ploj lawm tau raug kho raws li lwm qeb uas qhia tias tsis tau sau ib qho kev sib ntsib.
Cov txiaj ntsig tseem ceeb rau kev kwv yees tus qauv (�) tsis tau npaj tseg, tag nrho-ua rau tus neeg mob nyob hauv kev nyeem ntawv tsis pub dhau 30 hnub ntawm tus neeg mob ntsib kev tso tawm raws li tau hais tseg los ntawm Lub Chaw rau Medicare & Medicaid Services (CMS).31 Raws li CMS txhais, tsuas yog thawj qhov kev nyeem ntawv tsis pub dhau 30 hnub tau txheeb xyuas.
For more information:1950477648nn@gmail.com
