Resumen

En la actualidad, la aplicación secundaria de la historia clínica electrónica se centra en el diagnóstico médico auxiliar para mejorar la precisión del diagnóstico clínico. La investigación principal de este artículo es el método de predicción de la diabetes gestacional basado en los datos de la historia clínica electrónica. En los datos originales, el número de identificación del examinador médico no coincidía con el registro del examen médico. Para garantizar la exactitud de los datos, se eliminó esta parte del registro. En primer lugar, la fase de preparación antes de construir el modelo consiste en determinar la precisión de referencia de los datos originales, probar la eficacia del algoritmo de aprendizaje automático y, a continuación, equilibrar el conjunto de datos objetivo para resolver el sesgo causado por el desequilibrio entre las clases de datos y la ilusión de resultados de predicción excesivos del modelo. A continuación, se construye el modelo de predicción de la enfermedad dividiendo el conjunto de datos, seleccionando parámetros y algoritmos, y visualizando el modelo. Por último, se juzga exhaustivamente el efecto de la construcción del modelo de predicción basándose en múltiples indicadores de evaluación y modelos experimentales de control. En este trabajo, el modelo RF puede utilizarse para clasificar la importancia de la característica de salida en función de la importancia del resultado de clasificación de la característica de entrada. Para comprobar la precisión de la predicción de regresión, el experimento utiliza el error medio absoluto y el error cuadrático medio para evaluar la precisión de la predicción de la glucemia en ayunas. Se construye un modelo de regresión logística a través del conjunto de entrenamiento, y los datos del conjunto de prueba se introducen en el modelo de predicción para la predicción. Los datos experimentales muestran que cuando se utilizan las características filtradas por WBFS, la precisión, el valor F1 y el valor AUC de la regresión logística son de 0,809, 0,881 y 0,825, respectivamente, lo que supone un aumento de aproximadamente 12 en comparación con cuando no se utiliza la característica. Los resultados muestran que la unidad de datos de la historia clínica electrónica puede mejorar eficazmente la precisión de la predicción de la diabetes gestacional.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:precisión, datos, diabetes gestacional, datos originales, datos de historias clínicas electrónicas, unidad de datos de historias clínicas electrónicas, resultados excesivos de la predicción del modelo, error medio absoluto, diagnóstico médico auxiliar, predicción de la glucemia
• Keywords:accuracy, data, gestational diabetes, original data, electronic medical record data, electronic medical record data drive, excessive model prediction results, absolute mean error, auxiliary medical diagnosis, blood glucose prediction