Decision-tree and ensemble-based mortality risk models for hospitalized patients with СOVID-19

Скорочена інформація про документ
dc.contributor.authorVyklyuk, Ya.
dc.contributor.authorLevytska, S.
dc.contributor.authorNevinskyi, D.
dc.contributor.authorHazdiuk, K.
dc.contributor.authorŠkoda, M.
dc.contributor.authorAndrushko, S.
dc.date.accessioned2023-07-13T08:22:46Z
dc.date.available2023-07-13T08:22:46Z
dc.date.issued2023
dc.description.abstractThe work is devoted to studying SARS-CoV-2-associated pneumonia and the investigating of the main indicators that lead to the patients’ mortality. Using the good-known parameters that are routinely embraced in clinical practice, we obtained new functional dependencies based on an accessible and understandable decision tree and ML ensemble of classifiers models that would allow the physician to determine the prognosis in a few minutes and, accordingly, to understand the need for treatment adjustment, transfer of the patient to the emergency department. The accuracy of the resulting ensemble of models fitted on actual hospital patient data was in the range of 0.88–0.91 for different metrics. Creating a data collection system with further training of classifiers will dynamically increase the forecast’s accuracy and automate the doctor’s decision-making process/uk
dc.description.abstractotherПрисвячено вивченню пневмонії, асоційованої із SARS-CoV-2 та дослідженню основних показників, що призводять до смертності хворих. Використовуючи добре відомі параметри, які регулярно застосовуються в клінічній практиці, отримано абсолютно нові функціональні залежності на основі доступного та зрозумілого дерева рішень і моделей класифікаторів ML, що дозволить лікарю визначити прогноз за кілька хвилин і, відповідно, зрозуміти необхідність коригування лікування, переведення хворого до відділення невідкладної допомоги. Точність отриманого ансамблю моделей, підібраних за реальними даними пацієнтів лікарні, становила 0,88–0,91 для різних показників. Створення системи збирання даних з подальшим навчанням класифікаторів дасть змогу динамічно підвищити точність прогнозу та автоматизувати процес прийняття рішення лікарем.uk
dc.format.pagerangePp. 23-36uk
dc.identifier.citationDecision-tree and ensemble-based mortality risk models for hospitalized patients with СOVID-19 / Vyklyuk Ya., Levytska S., Nevinskyi D., Hazdiuk K., Škoda M., Andrushko S., Palii M. // Системні дослідження та інформаційні технології : міжнародний науково-технічний журнал. – 2023. – № 1. – С. 23-36. – Бібліогр.: 35 назв.uk
dc.identifier.doihttps://doi.org/10.20535/SRIT.2308-8893.2023.1.02
dc.identifier.issn1681–6048
dc.identifier.orcid0000-0003-4766-4659uk
dc.identifier.orcid0000-0001-6616-3572uk
dc.identifier.orcid0000-0002-0962-072Xuk
dc.identifier.orcid0000-0002-7568-4422uk
dc.identifier.orcid0000-0001-6658-2742uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/58056
dc.language.isoenuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.relation.ispartofСистемні дослідження та інформаційні технології : міжнародний науково-технічний журнал, № 1uk
dc.subjectCOVID-19
dc.subjectdecision-making system
dc.subjectdecision tree
dc.subjectML-ensemble
dc.subjectensemble of classification models
dc.subjectсистема прийняття рішень
dc.subjectдерево рішень
dc.subjectML-ансамбль
dc.subjectансамбль класифікаційних моделей
dc.subject.udc004.02, 004.67, 004.891.3uk
dc.titleDecision-tree and ensemble-based mortality risk models for hospitalized patients with СOVID-19uk
dc.title.alternativeМоделі ризику смертності на основі дерева рішень і ансаблю для госпіталізованих пацієнтів із СOVID-19uk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
279747-644994-1-10-20230519.pdf
Розмір:
349.44 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Системні дослідження та інформаційні технології: міжнародний науково-технічний журнал, № 1