通过交互式预测建模减少糖尿病医院再入院率Mary Loveless，JMP高级系统工程师，SAS
Ruth Hummel，博士，JMP学术大使，SAS
糖尿病是一种慢性疾病，仅影响美国12个居民中的一个，仅在美国每年花费约2500亿美元。在本次演讲中，我们使用糖尿病患者和医院结果的数据来确定与糖尿病再入院相关的关键因素，并使用现代建模技术预测再入院的可能性。该数据集可从加州大学欧文机器学习库公开获取，包括关于130家医院和综合分娩网络的约70,000名患者的临床护理和人口统计信息的10年数据（1999-2008）。这些数据来自健康事实数据库（Cerner公司），并由弗吉尼亚联邦大学临床和转化研究中心取消鉴定和取样，然后公开发布。使用这些数据，我们展示了数据准备工具，演示了交互式可视化技术，并讨论了验证模型精度的重要性。然后我们构建了几个探索性和预测模型，包括逻辑回归，自助森林和增强树，神经网络和惩罚回归（LASSO，弹性网和脊）。我们以交互方式比较竞争模型，评估错误分类的风险并选择最佳模型。最后，我们生成评分代码，将所选模型部署为基于Web的交互式应用程序。
预测建模
