Dữ liệu đầu vào:

  + Ma trận không gian-thời gian: mỗi bệnh nhân có một ma trận gồm các biến động (vết thương, nhiệt độ, đau, dịch tiết…) theo từng ngày.

  + Có nhiều giá trị bị thiếu do bệnh nhân không tuân thủ hoặc không ghi nhận đầy đủ.

• Mô hình học máy:
•   + Sử dụng biểu diễn bilinear để giảm chiều dữ liệu và khai thác tương quan không gian-thời gian.
•   + Áp dụng kỹ thuật hoàn thiện ma trận có ràng buộc để ước lượng giá trị thiếu.
•   + Kết hợp dữ liệu đầy đủ và dữ liệu bị kiểm duyệt (censored) trong cùng một hàm mất mát.
• Kết quả:
•   + Mô hình bilinear có độ chính xác cao hơn so với hồi quy tuyến tính và SVR.
•   + Thời gian quan sát tối ưu là 5 ngày sau phẫu thuật.
•   + Các biến quan trọng nhất: loại dịch tiết, nhiệt độ vết thương, màu sắc mép vết thương, độ đau, số lần phẫu thuật lại.
• Ứng dụng thực tế:
•   + Có thể tích hợp vào hệ thống mHealth để theo dõi bệnh nhân sau xuất viện.
•   + Giúp phát hiện sớm SSI và can thiệp kịp thời, giảm chi phí và tỷ lệ tái nhập viện.