机构名称：
¥ 1.0
这项研究使用ICD-9代码从模仿数据库中确定了18岁以上的1,177例患者。预处理包括处理丢失的数据，删除重复项，处理偏度和过度采样以减轻数据失衡。通过检查方差通胀因子（VIF）值，套索回归和单变量分析，在LightGBM模型中选择了18个特征。与其他基线模型相比，LASSO逻辑回归模型的最终输出的最高测试AUC -ROC为0.8766（95％CI 0.8065-0.9429），准确性为0.7291，包括随机森林，LightGBM，支持载体机（SVM）和决策树。所有模型均表现出良好的校准，其Brier得分相对较低，突出了它们在预测院内死亡率方面的可靠性。
在精神病等候补名单上实施移动AI聊天机器人干预抑郁症的挑战：随机控制学习终止报告
主要关键词
相关文件推荐
