메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
대한의료정보학회 Healthcare Informatics Research Healthcare Informatics Research 제26권 제1호
발행연도
2020.1
수록면
13 - 19 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

2023

Research on Machine Learning Based Clinical Decision Support System Using Initial Nursing Assessment for Emergency Department
유재용 디지털헬스학과 2023.01 학위논문

2020

Machine Learning and Initial Nursing Assessment-Based Triage System for Emergency Department
유재용 ,  정갑용 ,  Ok Soon Jeong 외 2명 Healthcare Informatics Research 2020.01 학술저널

초록· 키워드

오류제보하기
Objectives: The aim of this study was to develop machine learning (ML) and initial nursing assessment (INA)-based emergency department (ED) triage to predict adverse clinical outcome. Methods: The retrospective study included ED visits between January 2016 and December 2017 that resulted in either intensive care unit admission or emergency room death. We trained four classifiers using logistic regression and a deep learning model on INA and low dimensional (LD) INA, logistic regression on the Korea Triage and acuity scale (KTAS) and Sequential Related Organ Failure Assessment (SOFA). We varied the outcome ratio for external validation. Finally, variables of importance were identified using the random forest model’s information gain. The four most influential variables were used for LD modeling for efficiency. Results: A total of 86,304 patient visits were included, with an overall outcome rate of 3.5%. The area under the curve (AUC) values for the KTAS model were 76.8 (74.9–78.6) with logistic regression and 74.0 (72.1–75.9) for the SOFA model, while the AUC values of the INA model were 87.2 (85.9–88.6) and 87.6 (86.3–88.9) with logistic regression and deep learning, suggesting that the ML and INA-based triage system result more accurately predicted the outcomes. The AUC values for the LD model were 81.2 (79.4–82.9) and 80.7 (78.9–82.5) for logistic regression and deep learning, respectively. Conclusions: We developed an ML and INA-based triage system for EDs. The novel system was able to predict clinical outcomes more accurately than existing triage systems, KTAS and SOFA.

목차

등록된 정보가 없습니다.

참고문헌 (16)

참고문헌 신청
Kang SW / 2015 / Emergency department visit volume variability / Clin Exp Emerg Med 2(3):150~154 google schola Moore BJ / Trends in emergency department visits, 2006–2014 google schola Kasteridis P / 2015 / Who would most benefit from improved integrated care? Implementing an analytical strategy in South Somerset / Int J Integr Care 15:e001 google schola Combes JR / Appropriate use of medical resources google schola Robertson-Steel I / 2006 / Evolution of triage systems / Emerg Med J 23(2):154~155 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0