研究成果：Bayesian mixed-effect higher-order hidden Markov models with applications to predictive healthcare using electronic health records（貝葉斯混合效應(yīng)高階隱馬爾可夫模型及其在電子健康記錄預(yù)測醫(yī)療中的應(yīng)用）
作者：廖穎，向一莎（通訊作者），趙志根，艾迪
發(fā)表期刊：IISE TRANSACTIONS, 2025, 57(2), 186-198
電子健康記錄中觀察到的疾病進(jìn)展動(dòng)態(tài)常能反映患者健康狀況的演化過程，為臨床預(yù)測模型的構(gòu)建提供了可能。然而，由于關(guān)鍵因素（如性別、年齡）和患者個(gè)體異質(zhì)性的影響，這些動(dòng)態(tài)通常表現(xiàn)出顯著的個(gè)體間差異性。此外，受復(fù)雜疾病進(jìn)展機(jī)制的影響，未來健康狀態(tài)可能不僅取決于當(dāng)前狀態(tài)，還與更早期的歷史狀態(tài)相關(guān)。為捕捉這種復(fù)雜的轉(zhuǎn)移行為并解決臨床預(yù)測問題中的混合效應(yīng)，我們提出了一種新穎且靈活的貝葉斯混合效應(yīng)高階隱馬爾可夫模型（MHOHMM），并開發(fā)了基于該模型的分類器。我們設(shè)計(jì)了一系列MHOHMM以適應(yīng)不同數(shù)據(jù)結(jié)構(gòu)，并通過k折交叉驗(yàn)證法確定最優(yōu)模型。我們還開發(fā)了一種高效的兩階段MCMC抽樣算法進(jìn)行模型推斷。通過模擬研究，我們評(píng)估了所提抽樣算法和基于MHOHMM的分類性能，并以重癥監(jiān)護(hù)病房患者急性低血壓發(fā)作預(yù)測的案例研究驗(yàn)證了該框架的實(shí)際應(yīng)用價(jià)值。
IISE TRANSACTIONS 為武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院學(xué)術(shù)期刊分級(jí)方案A-級(jí)獎(jiǎng)勵(lì)期刊。
原文鏈接：https://www.tandfonline.com/doi/abs/10.1080/24725854.2024.2302368
