预测心脏骤停的机器学习方法-研究论文

心脏骤停是一种严重的健康状况，其特征是没有可追踪的心率、患者意识丧失以及呼吸暂停，住院死亡率约为 80%。 准确估计高危患者不仅对提高存活率而且对生活质量至关重要，因为从心脏骤停中幸存下来的患者具有严重的神经系统影响。 现有研究侧重于展示静态风险评分，而不考虑患者的生理状况。 在这项研究中，我们正在使用多通道隐马尔可夫模型实现一个序列对比模式的集成模型。 这些模型可以捕捉暴露组和对照组之间的关系并提供高特异性结果，平均灵敏度为 78%，并具有识别高风险患者的能力。