على تأثير بذور عشوائية على نزاهة الطبقات السريرية

لقد أظهر العمل الحديث أن الشبكات الكبيرة التي تعمل بالضبط حساسة بشكل مدهش للتغيرات في بذور (بذور عشوائية). نستكشف الآثار المترتبة على هذه الظاهرة من أجل الإنصاف النموذجي عبر المجموعات الديموغرافية في مهام التنبؤ السريري على السجلات الصحية الإلكترونية (EHR) في MIMIC-III ------ The Standard DataSet في بحث Clinical NLP. يختلف أداء مجموعة فرعية واضحة بشكل كبير عن البذور التي تسفر عن أداء عموما مماثل، على الرغم من عدم وجود دليل على المفاضلة بين أداء المجموعات الفرعية بشكل عام. ومع ذلك، نجد أيضا أن أحجام العينات الصغيرة الكامنة للنظر في تقاطعات مجموعات الأقليات والظروف النادرة إلى حد ما تحد من قدرتنا على تقدير التباينات بدقة. علاوة على ذلك، نجد أن التحسين المشترك للأداء الشامل العالي والتفاوتات المنخفضة لا تستسلم تحسينات ذات دلالة إحصائية. تشير نتائجنا إلى أن عدالة العمل باستخدام MIMIC-III يجب أن يمر بعناية الاختلافات في الاختلافات الواضحة التي قد تنشأ من الاستوك الاستوكاني وأحجام عينة صغيرة.