माइक्रोसॉफ्ट वर्ड - गहन शिक्षण बनाम पारंपरिक मॉडल_अब्देल है_अंतिम.भाग 1

अमूर्त

इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (ईएचआर) डेटा के आधार पर मधुमेह के रोगियों के लिए अस्पताल में पुनः प्रवेश जोखिम भविष्यवाणी उपकरण की आवश्यकता है।

लोगों के जीवन स्तर में सुधार के साथ, मधुमेह हमारे देश में एक आम पुरानी बीमारी बन गई है। मधुमेह से पीड़ित लोगों को अपने शरीर की अच्छी देखभाल करने और अपने स्वास्थ्य को सुनिश्चित करने के लिए अपने आहार और रहने की आदतों की लगातार निगरानी और समायोजन करने की आवश्यकता होती है। इन पहलुओं में स्मृति के महत्व पर भी प्रकाश डाला गया है।

कई अध्ययनों ने पुष्टि की है कि मधुमेह और स्मृति अविभाज्य हैं। मधुमेह मस्तिष्क की सामान्य कार्यप्रणाली, विशेष रूप से स्मृति, सीखने और संज्ञानात्मक क्षमताओं को प्रभावित करता है। यह पाया गया है कि मधुमेह के रोगियों में आम लोगों की तुलना में याददाश्त में गिरावट, सीखने की क्षमता में कमी और प्रतिक्रिया क्षमता कमजोर होने की संभावना अधिक होती है।

हालाँकि, हमें हार नहीं माननी चाहिए। आहार और जीवनशैली में बदलाव के माध्यम से मधुमेह को प्रभावी ढंग से नियंत्रित किया जा सकता है और हमारे शरीर पर इसके प्रभाव को नियंत्रित किया जा सकता है।

सबसे पहले, आहार नियमन बहुत महत्वपूर्ण है। मधुमेह से पीड़ित लोगों को संतुलित भोजन सुनिश्चित करने के लिए सोडियम (नमक), चीनी और वसा का सेवन सीमित करने की आवश्यकता है। संतुलित आहार का सेवन शरीर की नींद की गुणवत्ता, मानसिक स्वास्थ्य, हार्मोनल संतुलन, चयापचय और आंशिक ग्रहण की रोकथाम के लिए फायदेमंद है, ये सभी स्मृति और संज्ञानात्मक क्षमताओं को बेहतर बनाने में मदद कर सकते हैं। दूसरे, कुछ व्यायाम जोड़ें। व्यायाम न केवल रक्त शर्करा के स्तर को नियंत्रित करने में मदद करता है, बल्कि यह मांसपेशियों को मजबूत करके, तनाव को कम करके और खराब मूड से छुटकारा दिलाकर स्मृति और संज्ञानात्मक क्षमताओं को बेहतर बनाने में भी मदद कर सकता है।

अंततः, उचित उपचार की आवश्यकता है। स्थिर रक्त शर्करा का स्तर मस्तिष्क की सीखने और याददाश्त क्षमताओं को बेहतर बनाने में भी मदद करता है।

हालाँकि मधुमेह से पीड़ित लोगों को स्मृति हानि जैसी विभिन्न समस्याओं का सामना करना पड़ सकता है, लेकिन इससे मधुमेह से पीड़ित लोगों को स्वस्थ और जीवंत जीवन जीने से नहीं रोका जाना चाहिए। अपने आहार और जीवनशैली की निगरानी करना, कुछ व्यायाम करना और आशावादी मनोदशा बनाए रखना स्वास्थ्य देखभाल के लिए बहुत प्रभावी है। यह हमारे शरीर, स्मृति और अनुभूति की भी बेहतर सुरक्षा कर सकता है। हमें याददाश्त में सुधार करने की आवश्यकता है, और सिस्टैंच डेजर्टिकोला याददाश्त में काफी सुधार कर सकता है क्योंकि सिस्टैंच डेजर्टिकोला एक पारंपरिक चीनी औषधीय सामग्री है जिसमें कई अद्वितीय प्रभाव होते हैं, जिनमें से एक स्मृति में सुधार करना है। कीमा बनाया हुआ मांस की प्रभावकारिता इसमें मौजूद विभिन्न सक्रिय तत्वों से आती है, जिनमें एसिड, पॉलीसेकेराइड, फ्लेवोनोइड आदि शामिल हैं। ये तत्व विभिन्न तरीकों से मस्तिष्क स्वास्थ्य को बढ़ावा दे सकते हैं।

याददाश्त बढ़ाने के 10 तरीके जानने के लिए क्लिक करें

हालाँकि, इष्टतम मॉडलिंग दृष्टिकोण अस्पष्ट है। 36,641 मधुमेह रोगियों के साथ 2,836,569 मुठभेड़ों में, गहन शिक्षण (डीएल) दीर्घकालिक अल्पकालिक मेमोरी (एलएसटीएम) मॉडल विकसित किए गए, जो अनियोजित, सर्व-कारण, 30- दिन के पुनः प्रवेश की भविष्यवाणी करते हैं और कई पारंपरिक मॉडलों की तुलना में विकसित किए गए थे। मॉडल ने कॉमन डेटामॉडल द्वारा परिभाषित ईएचआर डेटा का उपयोग किया।

रिसीवर ऑपरेटिंग कैरेक्टरिस्टिक कर्व (एयूआरओसी) के तहत एलएसटीएम मॉडल क्षेत्र अगले सर्वश्रेष्ठ पारंपरिक मॉडल [एलएसटीएम {{0}} की तुलना में काफी अधिक था। 79 बनाम रैंडम फ़ॉरेस्ट (आरएफ) 0.72, पी<0.0001]. Experiments showed that the performance of the LSTM models increased as the prior encounter number increased up to 30 encounters. 

16 चयनित प्रयोगशाला परीक्षणों वाले एक LSTM मॉडल ने सभी 981 प्रयोगशाला परीक्षणों वाले मॉडल के बराबर प्रदर्शन प्राप्त किया। यह नया डीएल मॉडल मधुमेह रोगियों के लिए अधिक उपयोगी पुनः प्रवेश जोखिम भविष्यवाणी उपकरण का आधार प्रदान कर सकता है।

परिचय

अस्पताल में दोबारा भर्ती होना मरीजों और अस्पतालों दोनों के लिए एक अवांछनीय, महंगा परिणाम है।1 मधुमेह वाले मरीजों को अस्पताल से छुट्टी के 30 दिनों के भीतर दोबारा भर्ती होने का जोखिम (2 दिन में दोबारा प्रवेश) मधुमेह रहित मरीजों की तुलना में अधिक होता है।

2-4 अमेरिका में सालाना लगभग 9 मिलियन मधुमेह रोगियों को छुट्टी दी जाती है, 5 लगभग 2 मिलियन को प्रतिदिन पुनः प्रवेश दिया जाता है, जो अस्पताल की लागत में कम से कम $20 बिलियन के बराबर है।

6, 7 मधुमेह के उच्च जोखिम वाले रोगियों की पहचान करने से लागत-लाभ अनुपात को अनुकूलित करते हुए, उन लोगों के लिए हस्तक्षेप को लक्षित करने में मदद मिलेगी जिन्हें सबसे ज्यादा जरूरत है।

हमने पहले डायबिटीज अर्ली रीडमिशन रिस्क इंडिकेटर (डीईआरआईटीएम) के विकास और सत्यापन को प्रकाशित किया था, जो एक लॉजिस्टिक रिग्रेशन (एलआर) मॉडल है जो मधुमेह के रोगियों के बीच सर्व-कारण 30- दिन में पुनः प्रवेश के जोखिम की भविष्यवाणी करता है।

8 DERRITM को 10 कारकों के उपयोगकर्ता इनपुट के आधार पर देखभाल के बिंदु पर उपयोग के लिए डिज़ाइन किया गया था। विभाजित नमूना आंतरिक सत्यापन में, प्रदर्शन मामूली था (रिसीवर ऑपरेटिंग विशेषता वक्र के तहत क्षेत्र, AUROC 0.69)।

बाहरी सत्यापन अध्ययनों में, DERRITM AUROC {{0}}.63 और 0.80.9, 10 था। परिवर्तनशील प्रदर्शन के अलावा, DERRITM के अनुप्रयोग के लिए मैन्युअल डेटा संग्रह और प्रविष्टि की आवश्यकता होती है, जो इसके उपयोग में प्रमुख बाधाएं हैं। क्लिनिक के जरिए डॉक्टर की प्रैक्टिस।

अन्य प्रकाशित कार्यों में, हमने दिखाया कि DERRITM में वेरिएबल जोड़ने से AUROC की भविष्यवाणी सटीकता में काफी हद तक सुधार होता है। जिसे इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (ईएचआर) में नियमित रूप से प्रलेखित नहीं किया जाता है।

इसलिए, इस मॉडल को सीधे स्वचालित, ईएचआर-एकीकृत टूल में अनुवादित नहीं किया जा सकता है। मधुमेह के रोगियों के लिए पुन: प्रवेश जोखिम भविष्यवाणी उपकरण की एक अधूरी आवश्यकता है जो सटीक और उपयोग में आसान दोनों है।

पिछले कुछ वर्षों में, मधुमेह रोगियों के प्रतिदिन पुनः प्रवेश जोखिम की भविष्यवाणी करने के लिए कई मशीन लर्निंग (एमएल) मॉडल प्रकाशित किए गए हैं। कई पारंपरिक एमएल मॉडलिंग दृष्टिकोणों का पता लगाया गया है, जिनमें रैंडम फ़ॉरेस्ट (आरएफ), के-निकटतम निकटतम पड़ोसी, नाइव बेयस, सपोर्ट वेक्टर मशीन (एसवीएम), एडाबूस्ट और मल्टीलेयर परसेप्ट्रॉन (एमएलपी) शामिल हैं, प्रदर्शन की एक विस्तृत श्रृंखला (एयूआरओसी {{5) के साथ }}.53-0.99, सटीकता 0.54-0.99).

{{0}} मधुमेह रोगियों के पुन: प्रवेश जोखिम की भविष्यवाणी करने के लिए डीप लर्निंग (डीएल) मॉडल भी विकसित किए गए हैं, वह भी परिवर्तनीय प्रदर्शन (एयूआरओसी 0.61-0.97, सटीकता 0.{{) के साथ 5}}.95), इनमें से कोई भी सर्वोत्तम पारंपरिक एमएलमॉडल से आगे नहीं निकल पाया। डीएल दृष्टिकोण.

25, 27 इन सभी अध्ययनों में मॉडल प्रदर्शन की तुलना, हालांकि, प्रदर्शन विशेषताओं की मानकीकृत रिपोर्टिंग और परीक्षण के लिए परिवर्तनीय दृष्टिकोण की कमी के कारण सीमित है।

इसलिए, यह स्पष्ट नहीं है कि क्या डीएल मॉडल मधुमेह के रोगियों के लिए प्रवेश जोखिम की भविष्यवाणी करने में पारंपरिक एमएल मॉडल से बेहतर प्रदर्शन करते हैं।

दिलचस्प बात यह है कि DERRITM और DERRIplus को छोड़कर ये सभी पूर्व मॉडल एक ही डेटासेट28 पर विकसित किए गए थे। सार्वजनिक रूप से उपलब्ध इस डेटासेट में 1999 और 2008 के बीच 130 अमेरिकी अस्पतालों में से एक में मधुमेह के निदान और 1 से 14 दिनों के बीच रहने की अवधि वाले अस्पताल के अनुभव शामिल हैं।

रोगों का केवल 3 अंतर्राष्ट्रीय वर्गीकरण, नौवां संशोधन (आईसीडी-9) निदान कोड प्रति मुठभेड़, और केवल 2 प्रयोगशाला मूल्य (रक्त ग्लूकोज और एचबीए1सी) दर्ज किए गए थे।

अंत में, नियोजित और अनियोजित पुनः प्रवेश के बीच कोई अंतर नहीं किया गया है। इस प्रकार, इनमें से सर्वश्रेष्ठ मॉडल भी आज रोगियों में उतना अच्छा प्रदर्शन नहीं कर सकते हैं। अधिक वर्तमान, सामान्यीकरण योग्य मॉडल की आवश्यकता है।

इसलिए, इन अंतरालों को संबोधित करने के लिए, वर्तमान अध्ययन के उद्देश्य इस प्रकार थे: 1) अनियोजित, सर्व-कारण 30-दिन के पुन: प्रवेश की भविष्यवाणी के लिए डीएल मॉडल विकसित करना, 2) डीएल मॉडल के प्रदर्शन की तुलना करना पारंपरिकएमएल मॉडल, 3)

मॉडल विकास में शामिल 1 से 100 तक के पूर्व ईएचआर मुठभेड़ों की एक श्रृंखला में मॉडल प्रदर्शन का पता लगाने के लिए, और 4) सभी उपलब्ध प्रयोगशाला परीक्षणों का उपयोग करके विकसित डीएल मॉडल के साथ डोमेननॉलेज द्वारा चयनित प्रयोगशाला परीक्षणों के सबसेट का उपयोग करके विकसित डीएल मॉडल की तुलना करना।

राष्ट्रीय रोगी-केंद्रित क्लिनिकल रिसर्च नेटवर्क (पीसीओआरनेट) कॉमन डेटा मॉडल द्वारा परिभाषित जनसांख्यिकी, महत्वपूर्ण संकेत, नैदानिक ​​​​और प्रक्रिया कोड, दवाओं, प्रयोगशाला परीक्षणों और प्रशासनिक डेटा का उपयोग करके मधुमेह वाले 36,641 रोगियों के 2,836,569 मुठभेड़ों के डेटासेट में सभी मॉडल विकसित और परीक्षण किए गए थे। (सीडीएम).29

सामग्री और तरीके

रोगी समूह की परिभाषा

समावेशन मानदंड 1 जुलाई, 2010 और 31 दिसंबर, 2020 के बीच फिलाडेल्फिया, पीए में तीन टेम्पल यूनिवर्सिटी हेल्थ सिस्टम अस्पतालों में से किसी एक से कम से कम एक डिस्चार्ज वाले मरीज थे, और मधुमेह निम्नलिखित में से कम से कम एक द्वारा परिभाषित किया गया था: मधुमेह का निदान ( ICD-9: 249. xx या 250. एहीमोग्लोबिन A1c (HbA1c) स्तर 6.5% से अधिक या उसके बराबर, या मधुमेह-विशिष्ट दवा के लिए ऑर्डर।

वृद्ध रोगियों के लिए मुठभेड़ों को बाहर रखा गया था<18 years, discharged by transfer to another hospital, inpatient death, a diagnosis of gestational diabetes (ICD-9: 648.0x or ICD-10: O24.4x), a diagnosis of prediabetes (ICD-9: 790.29 or ICD-10: R73.03), or pregnancy (positive beta-human chorionic gonadotropin laboratory test within 90 days before or after the encounter).

मरीजों को पुन: प्रवेश की स्थिति के आधार पर 2 समूहों में से एक में विभाजित किया गया था: वे जिनके पास कम से कम एक 30- दिन का पुन: प्रवेश था और वे जिनके पास नहीं था। जिन रोगियों को पुनः प्रवेश मिला था, उनमें से एक प्रवेश-पुनः प्रवेश जोड़ी को विश्लेषण के लिए यादृच्छिक रूप से चुना गया था। जिन रोगियों के पास पुनः प्रवेश नहीं था, उनमें से एक प्रवेश को विश्लेषण के लिए यादृच्छिक रूप से चुना गया था।

चर और डेटा प्रीप्रोसेसिंग की परिभाषा

निम्नलिखित डोमेन में से प्रत्येक के लिए सीडीएम से तालिकाएँ निकाली गईं: मुठभेड़, जनसांख्यिकी, निदान, प्रयोगशाला परीक्षण, दवा आदेश, प्रक्रियाएं और महत्वपूर्ण संकेत। क्योंकि किसी दिए गए मुठभेड़ की विशेषताएं कई तालिकाओं में मौजूद थीं, तालिकाओं को एक अद्वितीय पहचानकर्ता द्वारा विलय कर दिया गया था। निकाली गई तालिकाओं को मर्ज करने से एक नमूना तैयार हुआ जिसमें किसी दिए गए मुठभेड़ के सभी रिकॉर्ड शामिल थे।

इसके परिणामस्वरूप काफी कुछ गायब हो गया। इस प्रकार, अनुपलब्धता को एक अलग सुविधा के रूप में उपयोग किया गया था। निरंतर सुविधाओं के लिए, लुप्त डेटा को 0 से बदल दिया गया, जबकि श्रेणीगत सुविधाओं को अद्वितीय श्रेणी से बदल दिया गया।

मॉडलों में इनपुट के रूप में कुल 23 सुविधाओं का उपयोग किया गया था: 14 सीडीएम से निकाले गए थे और 9 एकत्रित किए गए थे। निकाली गई विशेषताएं थीं: 1) एनकाउंटर प्रकार (इनपेशेंट, आपातकालीन विभाग, अवलोकन प्रवास, एम्बुलेटरी विजिट, अन्य एम्बुलेटरी विजिट, टेलीहेल्थ और अन्य; 2) डिस्चार्ज स्थिति (सहायक रहने की सुविधा, चिकित्सा सलाह के विरुद्ध, समाप्त, गृह स्वास्थ्य, घर/स्वयं देखभाल, धर्मशाला, नर्सिंग होम, पुनर्वास सुविधा, कुशल नर्सिंग सुविधा; 3) लिंग; 4) हिस्पैनिक; 5) नस्ल (अमेरिकी भारतीय/अलास्का मूल निवासी, एशियाई, काला, प्रशांत द्वीपवासी, श्वेत, अन्य/कोई जानकारी नहीं); 6) तम्बाकू (वर्तमान उपयोगकर्ता, कभी उपयोगकर्ता नहीं, पूर्व उपयोगकर्ता, निष्क्रिय प्रदर्शन, अन्य/कोई जानकारी नहीं); 7) उम्र; 8)

डायग्नोसिस क्लिनिकल क्लासिफिकेशन सिस्टम (सीसीएस) कोड; 11) प्रत्येक मुठभेड़ से पहले 1 वर्ष के भीतर दवा के आदेश; 12) डायस्टोलिक रक्तचाप; 13) सिस्टोलिक रक्तचाप; और14) बॉडी मास इंडेक्स (बीएमआई)।

एकत्रित विशेषताएं थीं: 1) एलिक्सहौसर स्थितियाँ: प्रत्येक स्थिति की उपस्थिति या अनुपस्थिति को इंगित करने वाली एक द्विआधारी सुविधा; 30 2) प्रवेश की अवधि (दिनों में रहने की अवधि); 3) सीसीएस कोड में रूपांतरण से पहले कई प्रक्रिया कोड; 4) सीसीएस कोड में रूपांतरण से पहले कई निदान कोड; 5) मुठभेड़ के प्रकार की परवाह किए बिना पिछली मुठभेड़ के बाद से दिनों की संख्या; 6) पूर्व रोगी, पर्यवेक्षक या आपातकालीन विभाग मुठभेड़ के बाद से कई दिन; 7) अन्य (गैर-अस्पताल) मुठभेड़ प्रकारों की पूर्व मुठभेड़ के बाद से कई दिन; 8) मौजूदा मुठभेड़ से पहले कई रोगी, अवलोकन और आपातकालीन विभाग की मुठभेड़; और 9) वर्तमान मुठभेड़ से पहले कई अन्य (गैर-अस्पताल) मुठभेड़।

कोड प्रारूप को एकीकृत करने के लिए आईसीडी -9 कोड को आईसीडी -10 कोड में परिवर्तित किया गया। ICD-10 कोड और प्रक्रिया कोड को CCS कोड में परिवर्तित कर दिया गया। डोमेन ज्ञान के आधार पर, मधुमेह से संबंधित दवाओं को निम्नानुसार वर्गीकृत किया गया था: वर्ग, कोलेस्ट्रॉल, कॉर्टिकोस्टेरॉइड्स, रेनिन-एंजियोटेंसिन सिस्टम (आरएएएस) रक्तचाप एजेंटों और गैर-आरएएस रक्तचाप एजेंटों द्वारा मधुमेह की दवाएं। अन्य दवाओं को नजरअंदाज कर दिया गया।

जो विशेषताएँ विश्वसनीय नहीं पाई गईं, उनमें से अधिकांश गायब थीं, या सहसंबद्ध थीं, उन्हें हटा दिया गया। डेटा वितरण, प्रतिशत और डोमेन ज्ञान का अवलोकन करके दिनांक, परिणाम, ऊंचाई, वजन, बीएमआई और रक्तचाप (सिस्टोलिक और डायस्टोलिक) जैसी बाहरी विशेषताओं को हटा दिया गया था। गुम मानों को एक अन्य श्रेणी के रूप में माना जाता था जो इंगित करता है कि मुठभेड़ के बारे में एक पैरामीटर एकत्र नहीं किया गया था।

मॉडल पूर्वानुमान(�) के लिए प्राथमिक परिणाम अनियोजित था, जैसा कि मेडिकेयर और मेडिकेड सर्विसेज (सीएमएस) केंद्रों द्वारा परिभाषित किया गया है, एक इनपेशेंट एनकाउंटर डिस्चार्ज के 30 दिनों के भीतर सभी कारण से इनपेशेंट का पुनः प्रवेश। 31 सीएमएस की परिभाषा के आधार पर, 30 के भीतर केवल पहला पुनः प्रवेश दिनों का विश्लेषण किया गया।

For more information:1950477648nn@gmail.com