Mary Loveless, JMP Ingeniera Senior de Sistemas, SAS
Ruth Hummel, PhD, JMP Embajadora Académica, SAS
La diabetes es una enfermedad crónica, afecta a casi uno de cada 12 residentes de los Estados Unidos y cuesta aproximadamente $ 250 mil millones al año solo en los Estados Unidos. En esta charla, utilizamos datos sobre pacientes diabéticos y resultados hospitalarios para identificar factores clave relacionados con reingresos diabéticos y para predecir la probabilidad de reingreso utilizando técnicas modernas de modelado. El conjunto de datos, que está a disposición del público en el repositorio de aprendizaje de máquina de Irvine de la UC, incluye 10 años de datos (1999-2008) sobre atención clínica e información demográfica para aproximadamente 70,000 pacientes en 130 hospitales y redes integradas de parto. Estos datos se originaron en la base de datos de Datos de salud (Cerner Corporation) y el Centro de Investigación Clínica y Traslacional de Virginia Commonwealth University los identificó y tomó una muestra de ellos antes de ponerlos a disposición del público. Usando estos datos, ilustramos herramientas para la preparación de datos, demostramos técnicas de visualización interactiva y discutimos la importancia de la validación para medir la precisión del modelo. Luego construimos varios modelos exploratorios y predictivos, que incluyen regresión logística, bosques de arranque y árboles reforzados, redes neuronales y regresión penalizada (LASSO, red elástica y cresta). Comparamos interactivamente los modelos de la competencia, evaluamos los riesgos de errores de clasificación y seleccionamos los mejores modelos. Finalmente, generamos un código de puntuación para implementar el modelo seleccionado como una aplicación interactiva basada en la web.
