作者:Chaitanya Churi
初级顾问:院长Sittig博士
委员会成员:贾米森Feramisco尼古拉斯·彼得森尼尔•金布兰森
硕士论文,德克萨斯大学健康科学中心卫生信息科学学院在休斯顿。
文摘:
紧急程度分类指数(ESI)是一个5应急部门所使用的量表(EDs)优先考虑病人不同的抱怨。本研究旨在评估Lumiata自动分类系统的准确性,预测ESI分数基于概率图形模型。病人的记录74549年连续ED访问被自动分析和诊断评分预测。这些预测比较原始ESI评级,以及随机null-predictor和逻辑回归模型的预测。这些评级的一个子集也比physician-rated分流的分数。百分比协议,错误率为每个预测和线性加权kappa值计算。自动化系统与原始数据显示40.3% -42.2%协议和执行比零预测半医生评级机构。逻辑回归模型表明更高的协议和kappa值,这是由于更高频率的预测ESI三级。这个模型表现不佳相比Lumiata系统在所有其他应急服务国际公司的水平,所指出的更高的错误率。鉴于ESI的主观性质预测和仅限于医疗记录数据,Lumiata系统显示重要的信息增益和紧急治疗有潜在的应用。