Krankenhausinfektionen sind eine Herausforderung für das Gesundheitswesen mit potentiell schwerwiegenden Folgen bis hin zur Sepsis. Für eine wirksame Prävention sind Prognosen entscheidend um Risikopatientinnen und -patienten frühzeitig zu erkennen. Dabei ist zu berücksichtigen dass sich das Infektionsrisiko im Verlauf des Krankenhausaufenthalts verändert und von Sterberisiko und Liegedauer abhängt. Wie geht die aktuelle Forschung, in der maschinelles Lernen das Thema „Predictive Analytics“ prägt, mit diesen zeitlichen Dynamiken um? Diese Frage steht im Zentrum des Vortrags und wird zunächst mittels eines systematischen Literaturreviews analysiert. Anschließend wird gezeigt weshalb insbesondere der weitverbreitete Einsatz von Klassifikationsverfahren mit Integration der Liegedauer als Prädiktor zu verzerrten Risikoschätzungen und Scheinkorrelationen führen kann. Eine Alternative liefern Mehrstadienmodelle für konkurrierende Risiken. Die theoretischen Herleitungen werden anhand der Daten einer Kohortenstudie an Patientinnen und Patienten einer neurologischen Intensivstation illustriert.
Ort: Gebäude C10 | Raum 9.01
Zeit: 16:15 Uhr