The CHUGA hospital in France teamed up with Elsevier to apply machine learning to their historical patient data with the aim of creating models that identify patients at higher risk for healthcare-related adverse events.

The models identify the top 5% of patients with a 4.7x increased risk for life threatening events like thromboembolism or a 40% risk of a prolonged hospital stay. This will allow the hospital to flag patients that fit the risk profile and provide more directed care.



L'hôpital CHUGA en France s'est associé à Elsevier pour appliquer l'apprentissage automatique à ses données historiques sur les patients dans le but de créer des modèles qui identifient les patients les plus à risque d'événements indésirables liés aux soins de santé. Les modèles identifient les 5 % de patients les plus susceptibles de présenter un risque accru de 4,7 fois d'événements potentiellement mortels comme la thromboembolie ou un risque de 40 % d'un séjour prolongé à l'hôpital. Cela permettra à l'hôpital de signaler les patients qui correspondent au profil de risque et de fournir des soins plus ciblés.

Applying machine learning to predict patient risk for in-hospital new infections