[發明專利]用于預測與患者相關聯的住院風險的方法、系統和介質

有效

• 申請號: 201510516201.1
• 申請日: 2015-08-20
• 公開（公告）號: CN105389454B
• 公開（公告）日: 2020-06-23
• 發明（設計）人: D·卡羅爾;C·林奇;G·阿庫納;A-H·沃
• 申請（專利權）人: 埃森哲環球服務有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06N5/04;G16H50/70;G16H50/30
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 酆迅

本發明的各實施方式總體上涉及預測模型生成器。具體地，涉及方法、系統和裝置(包括編碼在計算機存儲介質上的計算機程序)可以被實現為執行包括接收限定預測模型的輸入數據的動作，預測模型包括多個特征。動作進一步包括使用包括用于群體內的多個實體的每個特征的值的實際數據，通過以下方式對于每個特征迭代地加權預測模型：以動量迭代地調整用于特征的當前權重直到動量等于零，基于模型得分是否改善以動量因子迭代地調整動量，基于實際數據計算模型得分。動作進一步包括使用加權的預測模型來計算實體的值得分。

技術領域

本發明的各實施方式總體上涉及醫療保健領域，具體地涉及預測模型生成器。

背景技術

在諸如醫療保健行業之類的一些行業中，預測的結果可以用于制訂向消費者提供的各種服務。用醫療保健行業作為示例，可以分析患者的醫療特征，以基于先前已住院患者可用的住院數據來預測未來住院的可能性。在一些示例中，患者服務提供者(例如，醫療從業者)和付款人(例如，保險提供者)可能對以有效方式預測患者的住院風險感興趣。在其它示例中，預測的結果可以用于影響其它非醫療保健有關行業中的商業行為。

發明內容

本公開的實施方式包括用于預測與實體相關聯的值的計算機實現的方法。在一些實施方式中，動作包括由一個或多個處理器，接收限定預測模型的輸入數據，預測模型包括多個特征。在一些實施方式中，動作進一步包括由一個或多個處理器，使用包括用于群體內的多個實體的每個特征的值的實際數據，通過以下方式對于每個特征迭代地加權預測模型：以動量迭代地調整用于特征的當前權重直到動量等于零，基于模型得分是否改善以動量因子迭代地調整動量，基于實際數據計算模型得分。在一些實施方式中，動作進一步包括由一個或多個處理器，使用加權的預測模型來計算實體的值得分。這一方面的其它實施方式包括對應系統、裝置和計算機程序，計算機程序被配置為執行方法的動作、編碼在計算機存儲設備上。

本公開的實施方式還包括用于確定患者的計劃外住院風險的計算機實現的方法。在一些實施方式中，動作包括由一個或多個處理器，接收限定預測模型的輸入數據，預測模型包括多個特征。在一些實施方式中，動作進一步包括由一個或多個處理器，使用包括用于先前住院的多個患者的每個特征的值的住院數據，通過以下方式對于每個特征迭代地加權預測模型：以動量迭代地調整用于特征的當前權重直到動量等于零，基于模型得分是否改善以為2的因子迭代地調整動量，基于住院數據計算模型得分。在一些實施方式中，動作進一步包括由一個或多個處理器，使用加權的預測模型來計算患者的住院風險得分。這一方面的其它實施方式包括對應系統、裝置和計算機程序，計算機程序被配置為執行方法的動作、編碼在計算機存儲設備上。

這些和其它實施方式均可以可選地包括以下特征中的一個或多個特征。在一些實施方式中，以動量迭代地調整用于特征的當前權重包括使用先前確定的用于每個特征的權重作為當前迭代中用于每個特征的初始權重。在一些實施方式中，預測模型包括代數模型和基于樹的模型之一。在一些實施方式中，預測模型進一步包括向多個特征中的一個或多個特征指派的相應初始權重。在一些實施方式中，相應初始權重中的一個或多個相應初始權重等于1。在一些實施方式中，相應初始權重中的一個或多個相應初始權重等于0。

在一些實施方式中，多個特征表示醫療參數和人口統計參數中的一個或多個。在一些實施方式中，醫療參數包括DSM代碼、ICD-9代碼、ICD-10代碼、SNOMED代碼、LOINC代碼、RxNORM代碼、CPT代碼以及非編碼參數中的一個或多個。在一些實施方式中，方法進一步包括基于輸入數據生成預測模型。在一些實施方式中，動量包括當前權重調整的量。

在一些實施方式中，模型得分與先前計算的最佳模型得分進行比較。在一些實施方式中，模型得分基于在使用預測模型確定的預測值和從住院數據確定的實際值之間的差值。在一些實施方式中，當對于當前迭代的差值與對應于先前計算的最佳模型得分的差值相比減少時，模型得分得到改善。