ehr2rl
一个Python库，用于将MIMIC-IV电子健康记录数据转换为离线强化学习数据集，填补EHR原始数据与离线RL训练之间的预处理空白。
时间轴 (近 90 天)
ehr2rl 是一个用 Python 编写的库，用于将 MIMIC-IV 电子病历数据转换为离线强化学习数据集。
ehr2rl 通过 BigQuery 从 MIMIC-IV v3.1 构建小时级的患者轨迹，每条轨迹包含状态、动作、奖励和终止标志。
ehr2rl 的每个查询都会先执行 dry run，并设置硬性的 maximum_bytes_billed 上限，以防止意外产生高额账单。
ehr2rl 从 ICU 输入事件中提取血管升压药和液体剂量作为动作，并按照用户自定义的分箱边界进行离散化。
ehr2rl 支持可替换的奖励函数，包括死亡率、每步 SOFA 变化、30天再入院，或这些奖励的加权组合。
ehr2rl 提供从数据中估计观察到的临床医生行为策略的功能，用于离线策略评估。
ehr2rl 直接输出为 d3rlpy 数据集，并可选择生成记录数据来源的 JSON 附属文件。
ehr2rl 项目提供合成 MIMIC 风格数据生成器，使得没有 MIMIC 访问权限的用户也能试用。
作者明确说明 ehr2rl 是一个研究工具，不用于治疗决策。
动作离散化中血管升压药和液体的剂量分箱边界会直接影响策略学习的结果，而目前的分箱方式更多是启发式的。
还有 1 条时间轴事件
全部知识事实 (11)
ehr2rl 是一个用 Python 编写的库，用于将 MIMIC-IV 电子病历数据转换为离线强化学习数据集。
50%待验证ehr2rl 通过 BigQuery 从 MIMIC-IV v3.1 构建小时级的患者轨迹，每条轨迹包含状态、动作、奖励和终止标志。
50%待验证ehr2rl 的每个查询都会先执行 dry run，并设置硬性的 maximum_bytes_billed 上限，以防止意外产生高额账单。
50%待验证ehr2rl 从 ICU 输入事件中提取血管升压药和液体剂量作为动作，并按照用户自定义的分箱边界进行离散化。
50%待验证ehr2rl 支持可替换的奖励函数，包括死亡率、每步 SOFA 变化、30天再入院，或这些奖励的加权组合。
50%待验证ehr2rl 提供从数据中估计观察到的临床医生行为策略的功能，用于离线策略评估。
50%待验证ehr2rl 直接输出为 d3rlpy 数据集，并可选择生成记录数据来源的 JSON 附属文件。
50%待验证ehr2rl 项目提供合成 MIMIC 风格数据生成器，使得没有 MIMIC 访问权限的用户也能试用。
50%待验证作者明确说明 ehr2rl 是一个研究工具，不用于治疗决策。
50%待验证动作离散化中血管升压药和液体的剂量分箱边界会直接影响策略学习的结果，而目前的分箱方式更多是启发式的。
50%待验证ehr2rl 选择 BigQuery 作为数据访问层，降低了本地存储和处理的门槛，但也将用户绑定到 Google Cloud 生态。
50%