سامانه همایش ها

English

صفحه اصلی / سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران

Multiclass ICU Length-of-Stay Prediction Using Tree-Based Machine Learning Techniques

نویسندگان :

Mahyar Mohammadian¹ Somayeh Afrasiabi²

1- School of Electrical and Computer Engineering, Shiraz University 2- School of Electrical and Computer Engineering, Shiraz University

کلمات کلیدی :

multi-class prediction،ICU length of stay،CatBoost،MIMIC III،Area Under Curve

چکیده :

Accurate prediction of intensive care unit (ICU) length-of-stay (LOS) is essential for patient management and resource planning. This study compares four tree-based machine learning models—Random Forest, XGBoost, LightGBM, and CatBoost—for multiclass LOS prediction using the MIMIC-III database. A total of 42,306 ICU stays were processed with 17 physiologic variables and discretized into 10 ordered LOS classes. Models were evaluated using quadratic-weighted Cohen’s kappa (κ) and Mean Absolute Deviation (MAD) to capture ordinal agreement and temporal accuracy. CatBoost achieved the best performance (κ = 0.444, MAD = 124.66 hours), effectively predicting both short- and longstay patients, which are operationally critical. XGBoost and Random Forest provided intermediate results, while LightGBM showed lower temporal precision (MAD = 164.19 hours). The results demonstrate that CatBoost’s ordered boosting strategy and native handling of categorical variables enable robust, interpretable predictions suitable for clinical and operational decision-making. These findings highlight the potential of tree-based machine learning to transform ICU LOS prediction from a retrospective metric into a proactive, reliable and interpretable tool for optimizing patient flow, resource allocation and decision-making. The study provides a foundation for future improvements using richer time-series data, multimodal inputs, and multicenter validation.

لیست مقالات

لیست مقالات بایگانی شده

Multiclass ICU Length-of-Stay Prediction Using Tree-Based Machine Learning Techniques

Mahyar Mohammadian - Somayeh Afrasiabi

جایگاه هوش مصنوعی در آینده اقتصاد ایران

سید کمال صادقی - فاطمه نمازی - هانیه پور مهدی

A Review of Large Language Models in Medicine: Applications, Challenges, and Future Directions

Elham Shameli - Seyed Mohsen Mirhosseini

کاربرد بیومکانیک و آنالیز راه‌رفتن در بهینه‌سازی درمان کودکان مبتلا به فلج مغزی: مرور ادبیات

علی جعفری - علیرضا هاشمی اسکویی - شقایق حسن زاده خانمیری

استفاده از یادگیری انتقالی در پاسخ به کمبود طیف در تشخیص بیماری با طیف سنجی رامان

آرام زندی - زهره دهقانی بیدگلی

پیش‌ بینی پیک بار تهران به کمک الگورتیم‌ های یادگیری ماشین ترکیبی

مسعود ابراهیمی کاشف - حسین اقبالی - محمدعلی اقبالی

چالش‌های بودجه‌ریزی بر مبنای عملکرد با رویکرد گزارشگری یکپارچه در بخش عمومی ایران

جواد پورغفار - مریم عرفان اسفنجانی - امیرعطا علی‌زاده

شیوه های حسابداری مدیریت استراتژیک: بررسی ادبیات و فرصتی برای تحقیقات آینده

رعنا شهداور - موسی ابراهیم زاده - فاطمه خانی پور

کاهش توهم در مدل‌های زبانی بزرگ جهت تولید اطلاعات درست

زهرا روزبهانی

Recovery of Hand Motor Function in Children with ‎Hemiparetic Cerebral Palsy using an Interactive ‎Computer Game Combined with Mechanoreceptor ‎Stimulation: A Pilot Study

Mobina Ramezani - Shahed Salehzehi - Parisa Hosseini - Zahra Alizadeh Sarborj - Ghazal Mohammadzadeh - Hamid Reza Kobravi - Narges Hashemi - Mehran Beiraghi Toosi - Javad Akhondian

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.4.1