Реклама

Метод проверки на основе проектной основы алгоритмов ЕПЧ для решения проблем, связанных с частичной проверкой

#Метод #Annuales #Type #Hightreat #Electronic

arXiv: 2610.12059v1 Annuales Type: New Hightreat: Electronic Health Reference (EHR) fhenotyping алгоритмы поддерживают клиническое прогнозирование, проведение наблюдений и повышение качества, однако пересмотр ручной карты для подтверждения стандартов на золото является дорогостоящим. Для алгоритмов, ориентированных на редкие результаты, пациенты-отрицающие алгории часто значительно превышают число пациентов с положительной алготипом. Мы предлагаем систему проверки на основе проектирования, которая полностью проверяет пациентов с положительной алгоритмом и рассматривает простую случайную выборку (СРС) пациентов с отрицательной реакцией на алготип. Хорвитц-Томпсон оценки ложной отрицательной (FN) и истинно негативной итоговой величины дают оценку чувствительности, специфичности, отрицательного прогнозируемого значения, позитивной прогнозируемой ценности и точности. Мы вычисляем параметры оценки разницы с корректировкой на конечный состав населения и доверительные интервалы (CI) при планировании размера выборки для заранее определенного полуполучастицы CI. Факультативное расширение этапа 2 предусматривает использование экспериментальных данных для оценки того, может ли распределение Neyman с учетом факторов риска повысить точность. В Симулати

Статистика > Методология [представлена 8 октября 2026 года] Название: Метод проверки на основе определения алгоритмов EHR для решения проблем, связанных с частичной верификацией bias View PDF HTML (экспериментальный) Резюме: электронного картографического анализа состояния здоровья (ЭПЧ), которые поддерживают клиническое прогнозирование, исследования наблюдений и повышение качества, однако пересмотр ручной карты для подтверждения соответствия золотому стандарту сопряжен со значительными затратами. Для алгоритмов, ориентированных на редкие результаты, пациенты-отрицающие алгории часто значительно превышают число пациентов с положительной алготипом. Мы предлагаем систему проверки на основе проектирования, которая полностью проверяет пациентов с положительной алгоритмом и рассматривает простую случайную выборку (СРС) пациентов с отрицательной реакцией на алготип. Хорвитц-Томпсон оценки ложной отрицательной (FN) и истинно негативной итоговой величины дают оценку чувствительности, специфичности, отрицательного прогнозируемого значения, позитивной прогнозируемой ценности и точности. Мы вычисляем параметры оценки разницы с корректировкой на конечный состав населения и доверительные интервалы (CI) при планировании размера выборки для заранее определенного полуполучастицы CI. Факультативное расширение этапа 2 предусматривает использование экспериментальных данных для оценки того, может ли распределение Neyman с учетом факторов риска повысить точность. При моделировании подход,…