利用交互式预测模型减少糖尿病患者再入院率SAS JMP 高级系统工程师 Mary Loveless
Ruth Hummel 博士，SAS JMP 学术大使
糖尿病是一种慢性疾病，影响着近十二分之一的美国居民，仅在美国，每年就造成约 2500 亿美元的医疗费用。在本次演讲中，我们将利用糖尿病患者及其住院结果的数据，识别与糖尿病再入院相关的关键因素，并运用现代建模技术预测再入院概率。该数据集由加州大学欧文分校机器学习库公开发布，包含 1999-2008 年 10 年期间（约 7 万名患者，来自 130 家医院和综合医疗服务网络）的临床护理和人口统计信息。这些数据源自健康事实数据库 (Cerner Corporation)，在公开发布之前由弗吉尼亚联邦大学临床与转化研究中心进行了去身份识别化和采样。利用这些数据，我们将演示数据准备工具，演示交互式可视化技术，并探讨验证对于衡量模型准确性的重要性。然后，我们构建了几个探索性和预测性模型，包括逻辑回归、引导森林和提升树、神经网络以及惩罚回归（LASSO、弹性网络和岭回归）。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，将选定的模型部署为基于 Web 的交互式应用程序。
