在10万例糖尿病住院记录上构建一个防泄露的再入院预测模型

📋总体概括

一位有临床背景的作者基于UCI公开的Diabetes 130-US Hospitals数据集（1999-2008年130家美国医院、101,766次住院记录），端到端构建糖尿病出院后再入院预测模型。文章重点不在模型拟合本身，而在于三个更关键的实践问题：结果变量的定义方式、按患者而非按记录划分训练/测试集以避免数据泄露、以及如何诚实地评估指标。作者指出再入院往往反映血糖控制、用药重整或随访的缺口，若能在出院前识别高危患者，可将有限的随访资源精准投放。这是一篇聚焦医疗AI中数据泄露与评估方法论的经验复盘。