在医疗保健诊断过程中常见于多级顺序决策方案。在本文中,开发了一种基于主动学习的方法,以以顺序方式积极收集必要的患者数据。提出的方法中有两份新奇。首先,与只有单级模型的现有序数逻辑回归模型不同,我们将所有阶段的参数估算在一起。其次,假设不同阶段中的共同特征的系数保持一致。该方法的有效性在模拟研究中验证和实际案例研究。与单独且独立地建模数据的基线方法相比,所提出的方法通过62 \%-1838 \%提高了估计效率。对于模拟和测试队列,所提出的方法更有效,稳定,可解释和对参数估计的计算有效。该方法可以很容易地扩展到各种场景,其中可以仅通过必要的信息来顺序地完成决策。
translated by 谷歌翻译