Resumen

La predicción de un resultado médico basada en una trayectoria asistencial ha generado un gran interés en la investigación médica. En el modelado de predicción de secuencias, los modelos basados en técnicas de aprendizaje automático (ML) han demostrado su eficacia en comparación con otros modelos. Además, reducir la complejidad del modelo es un reto. Se han propuesto soluciones introduciendo técnicas de minería de patrones. Basándonos en estos resultados, desarrollamos un nuevo método para extraer conjuntos de secuencias de eventos relevantes para la predicción de eventos médicos, aplicado a la predicción del riesgo de mortalidad intrahospitalaria en el síndrome coronario agudo (SCA). A partir de la base de datos francesa de altas hospitalarias, extrajimos patrones secuenciales. A continuación, se integraron en varios modelos predictivos utilizando una distancia de cadena de texto para medir la similitud entre los patrones de atención de los pacientes. Calculamos combinaciones de medidas de similitud y modelos ML de uso común. Un modelo de máquina de vectores de apoyo combinado con una distancia basada en la edición resultó ser el modelo más eficaz. Obtuvimos buenos resultados en términos de discriminación, con puntuaciones de la curva receiver operating characteristic que oscilaban entre 0,71 y 0,99, con una buena precisión general. Demostramos el interés de los patrones secuenciales para la predicción de sucesos. Esto podría ser un primer paso hacia una herramienta de apoyo a la toma de decisiones para la prevención de la muerte intrahospitalaria por SCA.

• 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:patrones secuenciales, base de datos francesa de altas hospitalarias, modelo Support Vector Machine, síndrome coronario agudo, puntuaciones de curvas características, buena precisión general, técnicas de minería de patrones, secuencias de eventos relevantes, modelado de predicción de secuencias, varios modelos de predicción
• Keywords:sequential patterns, French Hospital Discharge Database, Support Vector Machine model, acute coronary syndrome, characteristic curve scores, good overall accuracy, pattern mining techniques, relevant event sequences, sequence prediction modeling, several predictive models