在中国，急性心肌梗死患者数量预计将从2010年的800万增加到2030年的2300万[ 19]，在出院后，由于意外的急性心肌梗死，通常有很高的全因住院死亡或再入院的风险。对这些因素的准确预测有助于更好的预后和及时的干预。因此，我们重点预测急性心肌梗死患者在住院期间的3个时间点(入院时、第7天和出院时)的全因住院死亡率和意外急性心肌梗死-出院后再入院率。每个患者的临床轨迹包括一系列临床过程(时间戳事件序列)和来自电子病历数据的多项实验室检测(时间序列数据)。我们计算了序列和横截面信息的相似性，并为每个时间点构建了基于相似性的模型( 图1)．

时间戳事件序列和实验室测试时间序列数据均用于计算序列相似性。实验室测试数据有助于序列相似性计算，同时从多个测试值计算趋势相似性。 图2这是一个病人临床轨迹的例子。

事件是对患者进行的临床过程，如血糖测试、放射学检查(如彩色超声)或手术(如经皮冠状动脉介入)。对于一系列具有时间戳信息的临床事件，称为事件序列 r对于患者组成对( e_我 ， t_我 ), e_我 是 我病人的临床事件 t_我 事件发生的时间点(天)。在事件序列中，事件e _我 放在事件之前 e_j 如果 t_我 早于 t_j 在病人的时间轴上。如果两个项目在同一天进行，则按字母顺序排列。

编辑距离用于计算两个事件序列之间的相似性，该相似性基于将一个序列转换为另一个序列所需的工作量[ 20.， 21］．操作——插入、删除和替换——被用来改变顺序 r₁ 成 r₂ ．对于事件时间对( e_我 ， t_我 ) r₁ 和(e _j t _j ) r₂ ，则使用插入或删除 e_我 ≠ e_j ；否则，使用替换(即改变事件的发生时间)。我们将插入和删除操作的编辑成本设置为1， c(Ins ( e)) = c(德尔( e)=1，代入代价为 c(子( e， t_我 ， t_j ) = 0.5 * | t_我 - - - - - - t_j |。假设我们可以改变顺序 r₁ 来 r₂ 通过不同的操作序列，取总代价最小的操作序列作为编辑距离[ 21］．

例如，为了序列 r₁ = {( 一个， 1)， ( B， 2)， ( C， 3)， ( D， 4)}和 r₂ = {( 一个， 2)， ( B， 5)， ( C， 8)}，其中( 一个， 1)表示该事件 一个发生于入院后第一天，可能为手术系列 操作系统₁ ={德尔( 一个， 1)， Del( B， 2)， Del( C， 3)， Del( D， 4)， Ins( 一个， 2)， Ins( B， 5)， in ( C， 8)}，总代价为7，或 操作系统₂ ={子( 一个， 1, 2)， Sub( B， 2,5)， Sub( C， 3,5)， Del( D， 4)}，总成本为5.5;因此，第二个操作系列是最优的。我们使用动态规划算法[ 20.]来解决这个最小化问题( 多媒体附件1)．

对事件序列的序列相似度为

在哪里 米（ 米， n)为编辑距离，和 米而且 n是序列的长度吗 r₁ 而且 r₂ ．实验室测试项目 年代_lab-edit 、放射检查 年代_rad-edit ，及程序 年代_pro-edit 由3个独立的事件序列表示。

时间序列相似性

在临床领域，时间序列可以定义为生物信号值的一致的单向变化，因此与患者状态的演变有关[ 22］．在本研究中，一个时间序列 年代定义为在患者住院期间暂时排序的实验室测试的多个实值。这类时间序列通常长度不同，因为不同疾病患者的实验室检测项目数量不同。在这种情况下，传统的欧几里得距离或余弦距离不适合计算两个时间序列之间的相似性。我们使用了动态时间翘曲，它经常被用于评估时间序列数据之间的相似性[ 23， 24]，计算实验室测试时间序列之间的距离。动态时间扭曲算法采用动态规划算法，每个map的代价由2个时间序列之间的欧氏距离( 多媒体附件1)．通过动态时间翘曲算法，我们得到了两个时间序列映射到另一个时间序列时的最优对齐和累积距离[ 25］．

趋势相似度 年代_DTW 为 年代₁ 而且 年代₂ 是

在哪里 D(年代 ₁ ,年代 ₂ )为最终的累积距离 年代₁ 而且 年代₂ ．所有成对距离的最小值和最大值记为 d_最小值 而且 d_马克斯 ,分别。

我们还采用了Haar小波分解方法来评估相似度。基于Haar小波的方法高度依赖于时间序列长度;因此，线性插值可以保证时间序列满足长度要求。采用离散Haar小波分解，每个时间序列由多个Haar小波基表示(图S3) 多媒体附件1)，以及这些基底的系数，它们描述了时间序列的主要特征和变化趋势[ 26]，计算基于Haar小波的趋势相似度 年代_哈雾 ，

在哪里 d（ 年代₁ ， 年代₂ )为描述两组系数之间的欧氏距离 年代₁ 而且 年代₂ ．

使用动态时间翘曲或基于Haar小波分解计算实验室测试的多个测试值之间的趋势相似性。

横断面信息包括人口统计学特征(年龄、性别、薪酬类型和婚姻状况)、仅在入院时进行的实验室检查以及胸部x光和彩色超声检查的免费文本报告。

人口学特征向量以0或1表示 u根据患者是否≥60岁，男性，已婚，有保险(特定医疗保险)。评估患者的人口学特征相似性 我而且 j，我们使用Jaccard相似度

我们计算了仅在入院时进行的基于欧几里得距离的实验室测试的相似性。这些横断面实验室测试的特征相似性(S _实验室 )定义为1 -归一化欧氏距离，采用最小-最大归一化。

自由文本报告在公共数据集中是英文的，在私人数据集中是中文的。对于中文报告，我们进行了三个步骤来提取特征:兴趣语料库构建、分词和特征重建(图S4) 多媒体附件1)．对于用英文撰写的报告，我们直接确定了感兴趣的特征(发生频率高且与急性心肌梗死相关，例如“LVEF”，因为高LVEF患者通常有更好的心功能和预后)。如果患者的放射报告包含此特征，则文本特征变量设置为1，否则设置为0。最后，每个病人都有一套 h私有数据集中的“左室射血分数正常(左室射血分数(LVEF)正常)”和公共数据集中的“总体正常LVEF”等文本特征。我们使用Jaccard相似性来计算提取的文本特征的相似性( 年代_文本 )．

患者相似度评分为特征相似度加权和。我们确定了主要特征，并为其分配了更大的权重，并将其余特征的权重设置为0。死亡率或再入院风险预测任务分别分配权重。当使用在该特征上计算的相似性来确定死亡或再入院预测的最近邻居时，该特征的重要性由预测性能确定。性能越好，特性的重要性就越高。例如，根据权重确定的样本集，预测指标患者的死亡风险为其top中结局状态发生的概率 k最近的邻居。我们依次使用以下特征之一的相似性来选择近邻:实验室测试项目、放射检查和程序的事件序列;具有多个测试值的实验室测试时间序列;以及横截面特征。

我们通过多数投票方案确定了3个主要特征，它们具有最高的受试者工作特征曲线下面积(AUROC)值。我们优化了特征权重 w₁， w₂, w_3.，在约束条件下，误差为0.05步 w₁ + w ₂ + w_3.= 1和w ₁ ≥w ₂ ≥w_3.> 0 ( 多媒体附件1)．

表2介绍研究人群的特点和主要结果。

在预测死亡率时，所有 k-建立在患者相似事件基础上的最近邻模型表现最佳( k最近的邻居_E: auroc 0.878; k最近的邻居_嗯: auroc 0.882;而且 k最近的邻居_艾德: AUROC 0.883)，并显著优于所有其他模型(随机森林: P= .02点;所有其他型号: P<措施)( 表3而且 图3A).为了预测急性心肌梗死引起的再入院， k最近的邻居_E， k最近的邻居_嗯而且 k最近的邻居_艾德AUROC值也最高( 表3)，以及3 k-最近邻模型在用f1评分评估死亡率和再入院预测方面也表现最佳。之间无显著差异 k-涉及死亡率事件的最近邻模型( k最近的邻居_E而且 k最近的邻居_嗯： P=无误; k最近的邻居_艾德而且 k最近的邻居_E： P= .24点; k最近的邻居_嗯而且 k最近的邻居_艾德： P=.41)和再入院预测( k最近的邻居_E而且 k最近的邻居_嗯： P=点; k最近的邻居_艾德而且 k最近的邻居_E： P= =收; k最近的邻居_嗯而且 k最近的邻居_艾德： P= .59) ( 图3)．

在预测死亡率时， k最近的邻居_艾德,同时使用基于编辑距离的序列相似度和基于动态时间扭曲的趋势相似度的方法具有最好的效果(AUROC 0.954;F1-score 0.603)时，使用从入院到出院的所有可用信息。它明显优于所有其他最先进的模型(欧几里得距离 k最近的邻居: P<措施;循环神经网络: P<措施;逻辑回归: P= .03点;长短期记忆网络: P=.02)，除了随机森林(入院时:AUROC 0.795;第7天前:AUROC 0.849; P= . 07)。（ 图3C和 图4A).所有模型的预测性能随着时间点(入院时、第7天和出院时)的提高而提高，除了逻辑回归模型( 图4一个)。

对于再入院预测， k最近的邻居_E(AUROC 0.651), k最近的邻居_嗯(AUROC 0.645)，和 k最近的邻居_艾德(AUROC 0.648)在使用从入院到出院的所有可用信息时表现最佳;然而，logistic回归在入院时(AUROC 0.589)和第7天之前表现最佳(AUROC 0.577) ( 图4B).所有模型的精密度、灵敏度和特异性结果见表S3 ( 多媒体附件1)．