| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Comprehensible predictive modeling using regularized logistic regression and comorbidity based features
Avtorji:ID Štiglic, Gregor (Avtor)
ID Povalej Bržan, Petra (Avtor)
ID Fijačko, Nino (Avtor)
ID Wang, Fei (Avtor)
ID Kalousis, Alexandros (Avtor)
ID Delibašić, Boris (Avtor)
ID Obradović, Zoran (Avtor)
Datoteke:.pdf PLOS_ONE_2015_Stiglic_et_al._Comprehensible_Predictive_Modeling_Using_Regularized_Logistic_Regression_and_Comorbidity_Based_Features.PDF (1,13 MB)
MD5: 15E50895E2B1843B80D606A3B252707B
 
URL http://dx.plos.org/10.1371/journal.pone.0144439
 
Jezik:Angleški jezik
Vrsta gradiva:Znanstveno delo
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:FZV - Fakulteta za zdravstvene vede
Opis:Different studies have demonstrated the importance of comorbidities to better understand the origin and evolution of medical complications. This study focuses on improvement of the predictive model interpretability based on simple logical features representing comorbidities. We use group lasso based feature interaction discovery followed by a post-processing step, where simple logic terms are added. In the final step, we reduce the feature set by applying lasso logistic regression to obtain a compact set of non-zero coefficients that represent a more comprehensible predictive model. The effectiveness of the proposed approach was demonstrated on a pediatric hospital discharge dataset that was used to build a readmission risk estimation model. The evaluation of the proposed method demonstrates a reduction of the initial set of features in a regression model by 72%, with a slight improvement in the Area Under the ROC Curve metric from 0.763 (95% CI: 0.755%0.771) to 0.769 (95% CI: 0.761%0.777). Additionally, our results show improvement in comprehensibility of the final predictive model using simple comorbidity based terms for logistic regression.
Ključne besede:predictive models, logistic regression, readmission classification, comorbidities
Status publikacije:Objavljeno
Verzija publikacije:Objavljena publikacija
Leto izida:2015
Št. strani:str. 1-6
Številčenje:Letn. 10, št. 12
PID:20.500.12556/DKUM-59294 Novo okno
ISSN:1932-6203
UDK:004.6:61
COBISS.SI-ID:2183076 Novo okno
DOI:10.1371/journal.pone.0144439 Novo okno
ISSN pri članku:1932-6203
NUK URN:URN:SI:UM:DK:PX1JLWNK
Datum objave v DKUM:19.06.2017
Število ogledov:2043
Število prenosov:448
Metapodatki:XML DC-XML DC-RDF
Področja:Ostalo
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:PloS one
Založnik:Public Library of Science
ISSN:1932-6203
COBISS.SI-ID:2005896 Novo okno

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.
Začetek licenciranja:11.05.2016

Sekundarni jezik

Jezik:Slovenski jezik
Ključne besede:napovedovalni modeli, logistična regresija, klasifikacija ponovnega sprejema, pridružene motnje


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici