利用马尔可夫决策过程优化2型糖尿病个体化随访间隔

Context-Aware Optimization of Follow-Up Intervals for Type 2 Diabetes Care Using Markov Decision Processes

精选理由

这篇论文用CMDP模型和真实患者数据证明,个性化随访间隔比固定方案更省钱、更有效,高成本人群能省三成多。

AI 摘要

该研究提出Contextual Markov Decision Process (CMDP)模型,基于22,154名2型糖尿病患者的电子健康记录(EHR)数据,优化不同亚群的随访间隔。通过主成分分析和聚类,识别出低风险和高风险两个亚群。模型建议:未测量实验室值时1个月内随访;指标升高或近期住院时最多3个月;血糖控制稳定时6至12个月,高风险患者间隔更短。与类似美国糖尿病协会的固定策略相比,高合并症亚群成本降低34.8%,低合并症亚群成本降低6.4%。

AI 翻译 · 中文

该研究提出Contextual Markov Decision Process (CMDP)模型,基于22,154名2型糖尿病患者的电子健康记录(EHR)数据,优化不同亚群的随访间隔。通过主成分分析和聚类,识别出低风险和高风险两个亚群。模型建议:未测量实验室值时1个月内随访;指标升高或近期住院时最多3个月;血糖控制稳定时6至12个月,高风险患者间隔更短。与类似美国糖尿病协会的固定策略相比,高合并症亚群成本降低34.8%,低合并症亚群成本降低6.4%。

arXiv cs.LGChronic disease management relies on regular patient-provider interactions to follow-up on disease progression and control. For Type 2 Diabetes (T2D), current guidelines prescribe fixed time intervals between subsequent