文件名称：一种可降低临床决策成本的规范分析方法-研究论文
文件大小：1.25MB
文件格式：PDF
更新时间：2024-06-08 11:58:31
machine learning cost-sensitive learning prescriptive
必须控制飞涨的医疗保健费用。 为此，对医疗数据进行分析以建议最佳决策的规范分析既相关又至关重要。 我们开发了一种新颖的规范分析方法，以提高临床决策（CDM）的成本效益，CDM是可以从分析中大大受益的关键医疗保健维度。 CDM的有效规范分析必须同时解决其概率，成本敏感和投资相关特征。 与通常忽略投资相关特征的现有方法不同，所提出的方法考虑了所有这些特征。 具体而言，我们的方法考虑了与临床决策相关的两组成本-在投资之前和之后-结合因投资导致的成本变化的可能性。 相反，普遍的方法在投资之前只强调一组成本。 此外，提出的方法涉及临床和投资决策，而现有方法忽略了投资决策。 对两个现实世界临床数据集的经验评估表明，所提出的方法始终且显着优于先前研究中的几种显着方法，从而证明了在改善CDM方面解决投资相关特征的价值。