対話型予測モデリングによる糖尿病病院の再入院の減少Mary Loveless、JMPシニアシステムエンジニア、SAS
ルース・フンメル博士、JMPアカデミックアンバサダー、SAS
糖尿病は慢性疾患で、米国の12人に1人に1人が発症し、米国だけで年間約2,500億ドルの費用がかかります。この講演では、糖尿病患者と病院の転帰に関するデータを使用して、糖尿病患者の再入院に関連する重要な要因を特定し、最新のモデリング手法を使用して再入院の可能性を予測します。UC Irvine Machine Learning Repositoryから公的に入手可能なデータセットには、130の病院と統合されたデリバリーネットワークでの約7万人の患者に関する臨床ケアと人口統計情報に関する10年間のデータ（1999-2008）が含まれています。このデータはHealth Factsデータベース（Cerner Corporation）からのものであり、公表される前にバージニアコモンウェルス大学の臨床トランスレーショナルリサーチセンターによって匿名化およびサンプリングされました。このデータを使用して、我々はデータ準備のためのツールを例示し、インタラクティブな視覚化技術を示し、そしてモデルの正確さを測るための検証の重要性を議論します。次に、ロジスティック回帰、ブートストラップフォレスト、ブーストツリー、ニューラルネットワーク、ペナルティ回帰（LASSO、エラスティックネット、リッジ）など、探索的および予測的モデルをいくつか構築します。競合するモデルを対話的に比較し、誤分類のリスクを評価し、最適なモデルを選択します。最後に、選択したモデルをWebベースの対話型アプリケーションとして配置するためのスコアリングコードを生成します。
予測モデリング
