Моделі ризику смертності на основі дерева рішень і ансаблю для госпіталізованих пацієнтів із COVID-19
The work is devoted to studying SARS-CoV-2-associated pneumonia and the investigating of the main indicators that lead to the patients’ mortality. Using the good-known parameters that are routinely embraced in clinical practice, we obtained new functional dependencies based on an accessible and unde...
Збережено в:
Видавець: | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
---|---|
Дата: | 2023 |
Автори: | , , , , , , |
Формат: | Стаття |
Мова: | English |
Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2023
|
Теми: | |
Онлайн доступ: | http://journal.iasa.kpi.ua/article/view/279747 |
Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
Організація
System research and information technologiesid |
journaliasakpiua-article-279747 |
---|---|
record_format |
ojs |
spelling |
journaliasakpiua-article-2797472023-05-24T21:28:17Z Decision-tree and ensemble-based mortality risk models for hospitalized patients with COVID-19 Моделі ризику смертності на основі дерева рішень і ансаблю для госпіталізованих пацієнтів із COVID-19 Vyklyuk, Yaroslav Levytska, Svitlana Nevinskyi, Denys Hazdiuk, Kateryna Škoda, Miroslav Andrushko, Stanislav Palii, Maryna COVID-19 система прийняття рішень дерево рішень ML-ансамбль ансамбль класифікаційних моделей COVID-19 decision-making system decision tree ML-ensemble ensemble of classification models The work is devoted to studying SARS-CoV-2-associated pneumonia and the investigating of the main indicators that lead to the patients’ mortality. Using the good-known parameters that are routinely embraced in clinical practice, we obtained new functional dependencies based on an accessible and understandable decision tree and ML ensemble of classifiers models that would allow the physician to determine the prognosis in a few minutes and, accordingly, to understand the need for treatment adjustment, transfer of the patient to the emergency department. The accuracy of the resulting ensemble of models fitted on actual hospital patient data was in the range of 0.88–0.91 for different metrics. Creating a data collection system with further training of classifiers will dynamically increase the forecast’s accuracy and automate the doctor’s decision-making process. Присвячено вивченню пневмонії, асоційованої із SARS-CoV-2 та дослідженню основних показників, що призводять до смертності хворих. Використовуючи добре відомі параметри, які регулярно застосовуються в клінічній практиці, отримано абсолютно нові функціональні залежності на основі доступного та зрозумілого дерева рішень і моделей класифікаторів ML, що дозволить лікарю визначити прогноз за кілька хвилин і, відповідно, зрозуміти необхідність коригування лікування, переведення хворого до відділення невідкладної допомоги. Точність отриманого ансамблю моделей, підібраних за реальними даними пацієнтів лікарні, становила 0,88–0,91 для різних показників. Створення системи збирання даних з подальшим навчанням класифікаторів дасть змогу динамічно підвищити точність прогнозу та автоматизувати процес прийняття рішення лікарем. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2023-03-30 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/279747 10.20535/SRIT.2308-8893.2023.1.02 System research and information technologies; No. 1 (2023); 23-36 Системные исследования и информационные технологии; № 1 (2023); 23-36 Системні дослідження та інформаційні технології; № 1 (2023); 23-36 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/279747/274346 |
institution |
System research and information technologies |
collection |
OJS |
language |
English |
topic |
COVID-19 система прийняття рішень дерево рішень ML-ансамбль ансамбль класифікаційних моделей COVID-19 decision-making system decision tree ML-ensemble ensemble of classification models |
spellingShingle |
COVID-19 система прийняття рішень дерево рішень ML-ансамбль ансамбль класифікаційних моделей COVID-19 decision-making system decision tree ML-ensemble ensemble of classification models Vyklyuk, Yaroslav Levytska, Svitlana Nevinskyi, Denys Hazdiuk, Kateryna Škoda, Miroslav Andrushko, Stanislav Palii, Maryna Моделі ризику смертності на основі дерева рішень і ансаблю для госпіталізованих пацієнтів із COVID-19 |
topic_facet |
COVID-19 система прийняття рішень дерево рішень ML-ансамбль ансамбль класифікаційних моделей COVID-19 decision-making system decision tree ML-ensemble ensemble of classification models |
format |
Article |
author |
Vyklyuk, Yaroslav Levytska, Svitlana Nevinskyi, Denys Hazdiuk, Kateryna Škoda, Miroslav Andrushko, Stanislav Palii, Maryna |
author_facet |
Vyklyuk, Yaroslav Levytska, Svitlana Nevinskyi, Denys Hazdiuk, Kateryna Škoda, Miroslav Andrushko, Stanislav Palii, Maryna |
author_sort |
Vyklyuk, Yaroslav |
title |
Моделі ризику смертності на основі дерева рішень і ансаблю для госпіталізованих пацієнтів із COVID-19 |
title_short |
Моделі ризику смертності на основі дерева рішень і ансаблю для госпіталізованих пацієнтів із COVID-19 |
title_full |
Моделі ризику смертності на основі дерева рішень і ансаблю для госпіталізованих пацієнтів із COVID-19 |
title_fullStr |
Моделі ризику смертності на основі дерева рішень і ансаблю для госпіталізованих пацієнтів із COVID-19 |
title_full_unstemmed |
Моделі ризику смертності на основі дерева рішень і ансаблю для госпіталізованих пацієнтів із COVID-19 |
title_sort |
моделі ризику смертності на основі дерева рішень і ансаблю для госпіталізованих пацієнтів із covid-19 |
title_alt |
Decision-tree and ensemble-based mortality risk models for hospitalized patients with COVID-19 |
description |
The work is devoted to studying SARS-CoV-2-associated pneumonia and the investigating of the main indicators that lead to the patients’ mortality. Using the good-known parameters that are routinely embraced in clinical practice, we obtained new functional dependencies based on an accessible and understandable decision tree and ML ensemble of classifiers models that would allow the physician to determine the prognosis in a few minutes and, accordingly, to understand the need for treatment adjustment, transfer of the patient to the emergency department. The accuracy of the resulting ensemble of models fitted on actual hospital patient data was in the range of 0.88–0.91 for different metrics. Creating a data collection system with further training of classifiers will dynamically increase the forecast’s accuracy and automate the doctor’s decision-making process. |
publisher |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
publishDate |
2023 |
url |
http://journal.iasa.kpi.ua/article/view/279747 |
work_keys_str_mv |
AT vyklyukyaroslav decisiontreeandensemblebasedmortalityriskmodelsforhospitalizedpatientswithcovid19 AT levytskasvitlana decisiontreeandensemblebasedmortalityriskmodelsforhospitalizedpatientswithcovid19 AT nevinskyidenys decisiontreeandensemblebasedmortalityriskmodelsforhospitalizedpatientswithcovid19 AT hazdiukkateryna decisiontreeandensemblebasedmortalityriskmodelsforhospitalizedpatientswithcovid19 AT skodamiroslav decisiontreeandensemblebasedmortalityriskmodelsforhospitalizedpatientswithcovid19 AT andrushkostanislav decisiontreeandensemblebasedmortalityriskmodelsforhospitalizedpatientswithcovid19 AT paliimaryna decisiontreeandensemblebasedmortalityriskmodelsforhospitalizedpatientswithcovid19 AT vyklyukyaroslav modelírizikusmertnostínaosnovíderevaríšenʹíansablûdlâgospítalízovanihpacíêntívízcovid19 AT levytskasvitlana modelírizikusmertnostínaosnovíderevaríšenʹíansablûdlâgospítalízovanihpacíêntívízcovid19 AT nevinskyidenys modelírizikusmertnostínaosnovíderevaríšenʹíansablûdlâgospítalízovanihpacíêntívízcovid19 AT hazdiukkateryna modelírizikusmertnostínaosnovíderevaríšenʹíansablûdlâgospítalízovanihpacíêntívízcovid19 AT skodamiroslav modelírizikusmertnostínaosnovíderevaríšenʹíansablûdlâgospítalízovanihpacíêntívízcovid19 AT andrushkostanislav modelírizikusmertnostínaosnovíderevaríšenʹíansablûdlâgospítalízovanihpacíêntívízcovid19 AT paliimaryna modelírizikusmertnostínaosnovíderevaríšenʹíansablûdlâgospítalízovanihpacíêntívízcovid19 |
first_indexed |
2024-04-08T14:50:30Z |
last_indexed |
2024-04-08T14:50:30Z |
_version_ |
1804810497694892032 |