利用互動式預測模型減少糖尿病患者再入院率SAS JMP 資深系統工程師 Mary Loveless
Ruth Hummel 博士，SAS JMP 學術大使
糖尿病是一種慢性疾病，影響近十二分之一的美國居民，光在美國每年就造成約 2,500 億美元的損失。在本次演講中，我們將使用糖尿病患者和醫院結果的數據來確定與糖尿病再入院相關的關鍵因素，並使用現代建模技術預測再入院的機率。此資料集由加州大學歐文分校機器學習庫公開提供，包括 130 家醫院和綜合配送網路的約 70,000 名患者的 10 年（1999 年至 2008 年）臨床護理和人口統計資訊資料。這些數據源自於健康事實資料庫（Cerner Corporation），並由維吉尼亞聯邦大學臨床和轉化研究中心進行去識別化和採樣，然後公開發布。利用這些數據，我們說明了數據準備工具，演示了互動式視覺化技術，並討論了驗證對於衡量模型準確性的重要性。然後，我們建立了幾個探索性和預測模型，包括邏輯回歸、自舉森林和增強樹、神經網路和懲罰回歸（LASSO、彈性網路和嶺）。我們以互動方式比較競爭模型，評估錯誤分類的風險並選擇最佳模型。最後，我們產生評分代碼，將選定的模型部署為基於 Web 的互動式應用程式。
