Spørgsmålet
Kan man forudsige, hvordan en patient klarer sig under genoptræning og behandling, ud fra de data, der allerede findes? Og hvilke faktorer betyder mest?
Hvad data viste
Modellerne pegede på de vigtigste faktorer for forløbet og hvor godt de forudsagde udfaldet. Klassiske statistiske modeller blev holdt op mod moderne machine learning, så man kunne se, hvad der faktisk gav mere.
Hvad det kunne bruges til
Et grundlag for at vurdere et forløb tidligt, med åbenhed om, hvor sikker forudsigelsen var, så den kunne støtte en klinisk beslutning frem for at erstatte den.
Værktøjer
pandas og tidyverse til databehandling og feature engineering. Logistisk regression, random forests og SVM, evalueret med krydsvalidering og ROC/AUC. Visualisering af variabelvigtighed og partial dependence.
Den samme metode forudsiger udfald og peger på de vigtigste faktorer i alle datasæt — for eksempel frafald, efterspørgsel eller risiko — altid med åbenhed om, hvor sikker forudsigelsen er.