Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

Add SepsisPredictionEICU and SepsisPredictionMIMIC4 tasks — pre-ICU window, Sepsis-3 proxy labeling

Đang mở
  • Có gì không ổn?
#911 3 bình luận 0 reaction 0 người được giao Xem trên GitHub

Maintainer thường phản hồi trong vòng 2 ngày

@zhaog100 đang làm issue này rồi.

Từ ngày 25/3/2026.

Đánh giá

Độ khó
5/5
Thời gian dự kiến
Hơn một tuần
Mức phù hợp với người mới
25/100
Loại issue
Tính năng
Độ rõ ràng
Khá rõ ràng
Mức độ hoạt động
Đình trệ
Công nghệ
python
Lĩnh vực
data, machine-learning

Hướng nghiên cứu

Start by reading existing task definitions under pyhealth/tasks/, their exports in pyhealth/tasks/__init__.py, and the tests under tests/tasks/. The issue specifies the proposed eICU and MIMIC-IV inputs, label sources, and deliverables, but the configurable time windows and clinical cohort rules need to be resolved before implementation. Done means both task definitions, exports, unit tests, an example notebook, and referenced docstrings are in place.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

Summary

PyHealth currently has no sepsis prediction task. This issue proposes adding two
new task definitions:

  • SepsisPredictionEICU — eICU Collaborative Research Database
  • SepsisPredictionMIMIC4 — MIMIC-IV

Both tasks target pre-ICU / early ICU detection windows, filling a confirmed
gap identified in a PROSPERO-registered systematic review (CRD420251164609) covering
14 studies (53,795 participants): nearly all existing sepsis ML models are trained
on in-ICU data with no standardized reproducible benchmark.

Clinical Motivation

Sepsis is defined by the Sepsis-3 consensus (Singer et al., JAMA 2016) as
life-threatening organ dysfunction caused by dysregulated host response to infection.
Early detection — before ICU admission or within the first hours — is where clinical
impact is highest and where published ML models show the widest performance variance
(AUROC 0.72–0.94 across studies), largely due to inconsistent cohort definitions
and labeling strategies.

A reproducible PyHealth task enforces a consistent:

  • Observation window (configurable: default 6h from first available data)
  • Prediction gap (configurable: 0–12h before onset)
  • Sepsis label derivation (Sepsis-3 proxy: ICD codes + SOFA ≥ 2 or
    apacheadmissiondx for eICU)

Proposed Implementation

SepsisPredictionEICU
input_schema = {
    "vitals": "time_series",     # HR, RR, MAP, SpO2, Temp from vitalPeriodic
    "labs": "sequence",          # WBC, lactate, creatinine from lab table
    "conditions": "sequence",    # apacheadmissiondx / pasthistory
    "demographics": "static",    # age, gender, admissionweight
}
output_schema = {
    "sepsis_label": "binary",
}

Label derivation from eICU:

  • Positive: apacheadmissiondx containing sepsis/septic shock keywords or
    ICD codes in diagnosis table (995.91, 995.92, A41.x)
  • Negative: non-infectious admission diagnoses
  • Excluded: ambiguous/missing diagnosis records
SepsisPredictionMIMIC4
input_schema = {
    "vitals": "time_series",     # chartevents: HR, RR, MAP, SpO2, GCS
    "labs": "sequence",          # labevents: WBC, creatinine, bilirubin, lactate
    "conditions": "sequence",    # diagnoses_icd (ICD-10)
    "demographics": "static",    # age, gender, admission_type
}
output_schema = {
    "sepsis_label": "binary",
}

Label derivation from MIMIC-IV:

  • Use sepsis3 flag from mimiciv_derived.sepsis3 (already in MIMIC-IV derived
    tables) where available
  • Fallback: ICD-10 codes A40.x, A41.x in diagnoses_icd

Deliverables

  • pyhealth/tasks/sepsis_prediction_eicu.py
  • pyhealth/tasks/sepsis_prediction_mimic4.py
  • Export in pyhealth/tasks/__init__.py
  • Unit tests in tests/tasks/
  • Example notebook in examples/sepsis_prediction/
  • Docstring with clinical references

References

  • Singer M et al. The Third International Consensus Definitions for Sepsis and
    Septic Shock (Sepsis-3). JAMA. 2016;315(8):801–810.
  • Johnson AEW et al. MIMIC-IV, a freely accessible electronic health record
    dataset. Sci Data. 2023.
  • Pollard TJ et al. The eICU Collaborative Research Database. Sci Data. 2018.
  • Sucandra et al. Time Advantage and Diagnostic Accuracy of Biomarker-Enhanced
    ML/DL for Sepsis Detection in Pre-ICU Settings. PROSPERO CRD420251164609.

Notes

Happy to implement this. Will open a PR once approach is confirmed.

Ngôn ngữ chính
Python
Star
1.7k
Fork
803
Merge trung bình
4 ngày 18 giờ
Pull request đã merge (30 ngày)
58

Chuẩn bị môi trường

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của sunlabuiuc/PyHealth

Tất cả issue của sunlabuiuc/PyHealth

Issue tương tự

Thêm issue về Python

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.