研究成果：Bayesian mixed-effect higher-order hidden Markov models with applications to predictive healthcare using electronic health records（贝叶斯混合效应高阶隐马尔可夫模型及其在电子健康记录预测医疗中的应用）
作者：廖颖，向一莎（通讯作者），赵志根，艾迪
发表期刊：IISE TRANSACTIONS, 2025, 57(2), 186-198
电子健康记录中观察到的疾病进展动态常能反映患者健康状况的演化过程，为临床预测模型的构建提供了可能。然而，由于关键因素（如性别、年龄）和患者个体异质性的影响，这些动态通常表现出显著的个体间差异性。此外，受复杂疾病进展机制的影响，未来健康状态可能不仅取决于当前状态，还与更早期的历史状态相关。为捕捉这种复杂的转移行为并解决临床预测问题中的混合效应，我们提出了一种新颖且灵活的贝叶斯混合效应高阶隐马尔可夫模型（MHOHMM），并开发了基于该模型的分类器。我们设计了一系列MHOHMM以适应不同数据结构，并通过k折交叉验证法确定最优模型。我们还开发了一种高效的两阶段MCMC抽样算法进行模型推断。通过模拟研究，我们评估了所提抽样算法和基于MHOHMM的分类性能，并以重症监护病房患者急性低血压发作预测的案例研究验证了该框架的实际应用价值。
IISE TRANSACTIONS 为武汉大学经济与管理学院学术期刊分级方案A-级奖励期刊。
原文链接：https://www.tandfonline.com/doi/abs/10.1080/24725854.2024.2302368
上一条：【学术成果动态】沈思晨：利益相关者导向、产品市场竞争与企业股权资本成本
下一条：【学术成果动态】魏立佳，薛莲：人工智能辅助诊疗克服过度医疗行为：一项实验研究
