Exploring representations of ICD codes for patient readmission prediction
Loading...
Date
2021
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Los reingresos hospitalarios ocurren con frecuencia, son costosos y son usados como
medida de calidad de las instituciones. En el aprendizaje de máquina, la tarea de readmisión tiene como objetivo predecir el riesgo de readmisión de un paciente. Se han propuesto
diversas soluciones basadas en datos obtenidos desde sistemas de Historia Clínica
Electrónica (HCE). Los datos de HCE tienen toda la información relacionada con una admisión: pruebas de laboratorio, notas de texto libre, datos demográficos y códigos de la
Clasificación Internacional de Enfermedades (CIE). CIE es un estándar internacional que
define códigos para diagnósticos y procedimientos. Las soluciones iniciales al problema
de readmisión utilizaron códigos CIE a través de representaciones categóricas o representaciones
aprendidas de su contexto local. Las soluciones recientes ingieren todos los
datos de HCE, lo que agrega una complejidad innecesaria. En esta investigación, exploramos
nuevas representaciones de códigos CIE. Aprovechamos sus textos descriptivos utilizando
técnicas de Procesamiento del Lenguaje Natural y también su representación ontológica a través de algoritmos de grafo. Reportamos resultados de referencia para la tarea
de readmisión utilizando un nuevo conjunto de datos de admisión de un hospital chileno,
con un marco de evaluación claro, y logramos resultados comparables con el estado del
arte. Las representaciones y mapeos CIE generados están disponibles públicamente.
Description
Tesis (Master of Science in Engineering)--Pontificia Universidad Católica de Chile, 2021