Resumen

La sepsis es una de las principales causas de mortalidad en las unidades de cuidados intensivos y cuesta a los hospitales miles de millones de dólares anualmente en todo el mundo. Predecir el tiempo de supervivencia de los pacientes con sepsis es un problema de predicción crítico en tiempo. Teniendo en cuenta la información secuencial útil para el desarrollo de la sepsis, este artículo propone un modelo de tema crítico en tiempo (TiCTM) inspirado en el modelo de asignación latente de Dirichlet (LDA). El enfoque propuesto TiCTM tiene en cuenta la estructura de dependencia temporal entre las notas, las mediciones y el tiempo de supervivencia de un paciente con sepsis. Los resultados experimentales en la base de datos pública MIMIC-III muestran que, en general, nuestro método supera al LDA convencional y al modelo de regresión lineal en cuanto a la sensibilidad, precisión, exactitud y medida F1. También se encontró que nuestro método logra el mejor rendimiento al utilizar 5 temas al predecir la probabilidad de

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Sepsis; Tiempo de supervivencia; TiCTM; Modelo LDA; Predicción crítica en tiempo real; Base de datos MIMIC-III
• Keywords:Sepsis; Survival time; TiCTM; LDA model; Time-critical prediction; MIMIC-III database