一种并行患者治疗时间预测算法及其在大数据环境下医院排队推荐中的应用
计算机与社会
2019-11-26 v1
摘要
有效的患者队列管理以最小化患者等待延迟和拥挤是医院面临的主要挑战之一。不必要且烦人的长时间等待导致大量人力资源和时间浪费，并增加患者所承受的挫败感。对于队列中的每位患者，其前面所有患者的总治疗时间即为他必须等待的时间。如果患者能通过实时更新的移动应用接收最有效的治疗计划并知晓预测等待时间，将是方便且更可取的。因此，我们提出了一种患者治疗时间预测（PTTP）算法，用于预测患者每项治疗任务的等待时间。我们使用来自多家医院的真实患者数据，获得每项任务的患者治疗时间模型。基于这一大规模真实数据集，预测当前每项任务队列中每位患者的治疗时间。基于预测的等待时间，开发了医院排队推荐（HQR）系统。HQR计算并预测推荐给患者的有效且便捷的治疗计划。由于大规模真实数据集和实时响应需求，PTTP算法和HQR系统要求高效和低延迟响应。我们使用位于长沙的国家超级计算中心（NSCC）的基于Apache Spark的云实现来达到上述目标。大量实验和仿真结果证明了我们所提模型在推荐有效治疗计划以最小化患者医院等待时间方面的有效性和适用性。
引用
@article{arxiv.1811.03412,
title = {A Parallel Patient Treatment Time Prediction Algorithm and its Applications in Hospital Queuing-Recommendation in a Big Data Environment},
author = {Jianguo Chen and Kenli Li and Zhuo Tang and Kashif Bilal and Keqin Li},
journal= {arXiv preprint arXiv:1811.03412},
year = {2019}
}