实验室数据处理R包

即得分析就绪时序

这个R包通过时间窗口分割和缺失值填补，将异质且稀疏的实验室记录自动转换为适合机器学习的时间序列数据，并支持LOINC标准映射以增强语义。

Tseng, Yiju · Chen, Kuanchou · Chia-Wei, Chang

PeerJ Computer Science 2023

参数信息

AUC（30天院内死亡率预测）

0.83

技术优势

自动输出分析就绪时序

将原始实验室记录切分时间窗并填补缺失值，直接得到可供时间序列分析和建模的数据，省去人工预处理。

LOINC映射增加语义

支持将本地实验室代码映射到国际标准 LOINC，从而附加参考范围和关联疾病信息，并可将结果分类为正常或异常。

案例验证有效

在 MIMIC-III 新生儿 PDA 数据上处理检验记录并训练 LSTM 模型，训练集预测 30 天院内死亡率的 AUC 达到 0.83。

应用场景

• 临床预测模型：将杂乱的检验数据直接整理成模型输入，加速死亡风险等预测模型开发。
• 医疗时序分析：自动解决时间点不规则和数据稀疏问题，让时序算法可用。
• 电子健康记录分析：屏蔽异质格式差异，让 EHR 实验室数据可用于统计和建模。