Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.03843

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2507.03843 (cs)
[提交于 2025年7月5日 ]

标题: 基于合并ICD-10代码的住院治疗正则化对数线性成本模型

标题: Regularizing Log-Linear Cost Models for Inpatient Stays by Merging ICD-10 Codes

Authors:Chi-Ken Lu, David Alonge, Nicole Richardson, Bruno Richard
摘要: 医疗保健研究中的成本模型必须平衡可解释性、准确性和参数一致性。 然而,可解释的模型往往难以同时实现准确性和一致性。 对于高维回归的普通最小二乘法(OLS)模型可以准确,但在使用高度细粒度的ICD-10诊断代码作为预测变量时,无法在时间上产生稳定的回归系数。 这种不稳定性是因为许多ICD-10代码在医疗数据集中出现频率较低。 虽然正则化方法如岭回归可以解决这个问题,但它们可能会丢弃重要的预测变量。 在这里,我们证明在OLS中减少ICD-10代码的粒度是一种有效的正则化策略,同时保留所有诊断代码类别的表示。 通过将ICD-10代码从七个字符(例如,T67.0XXA,T67.0XXD)截断为六个(例如,T67.0XX)或更少,我们降低了回归问题的维度,同时保持了模型的可解释性和一致性。 数学上,OLS中预测变量的合并会导致海森矩阵的迹增加,从而降低系数估计的方差。 我们的发现解释了为什么在现实世界的风险调整和成本模型中,更广泛的诊断分组如DRGs和HCC代码比高度细粒度的ICD-10代码更受青睐。
摘要: Cost models in healthcare research must balance interpretability, accuracy, and parameter consistency. However, interpretable models often struggle to achieve both accuracy and consistency. Ordinary least squares (OLS) models for high-dimensional regression can be accurate but fail to produce stable regression coefficients over time when using highly granular ICD-10 diagnostic codes as predictors. This instability arises because many ICD-10 codes are infrequent in healthcare datasets. While regularization methods such as Ridge can address this issue, they risk discarding important predictors. Here, we demonstrate that reducing the granularity of ICD-10 codes is an effective regularization strategy within OLS while preserving the representation of all diagnostic code categories. By truncating ICD-10 codes from seven characters (e.g., T67.0XXA, T67.0XXD) to six (e.g., T67.0XX) or fewer, we reduce the dimensionality of the regression problem while maintaining model interpretability and consistency. Mathematically, the merging of predictors in OLS leads to increased trace of the Hessian matrix, which reduces the variance of coefficient estimation. Our findings explain why broader diagnostic groupings like DRGs and HCC codes are favored over highly granular ICD-10 codes in real-world risk adjustment and cost models.
评论: 提交至MLHC 2025
主题: 机器学习 (cs.LG) ; 应用 (stat.AP); 机器学习 (stat.ML)
引用方式: arXiv:2507.03843 [cs.LG]
  (或者 arXiv:2507.03843v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.03843
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Chi-Ken Lu [查看电子邮件]
[v1] 星期六, 2025 年 7 月 5 日 00:07:38 UTC (1,891 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
stat
stat.AP
stat.ML

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号