基于心导管室的心脏病学入院预测
计算机与社会
2019-08-22 v2 机器学习
摘要
来自心导管室的紧急和未计划的心脏病学入院增加了心脏病学和住院部管理的复杂性。在本文中，我们试图使用时间序列模型研究来自心导管室的心脏病学入院行为。我们的研究涉及从爱荷华州一家医院检索的 2012 年 3 月 1 日至 2016 年 11 月 3 日的回顾性心脏病学入院数据。我们实施了自回归积分移动平均（ARIMA）、Holt 方法、均值法、朴素法、季节性朴素法、指数平滑和漂移法来预测来自心导管室的每周心脏病学入院人数。ARIMA (2,0,2) (1,1,1) 被选为最佳拟合模型，其误差平方和、Akaike 信息准则和 Schwartz 贝叶斯准则最小。该模型未能拒绝平稳性的原假设，缺乏独立性的证据，并拒绝了正态性的原假设。本研究的意义不仅将改善心导管室员工的时间安排、倡导高效使用成像设备和住院遥测病床，还将使管理层能够主动应对住院部拥挤问题、规划物理容量扩展等。
引用
@article{arxiv.1812.10486,
title = {Forecasting Cardiology Admissions from Catheterization Laboratory},
author = {Avishek Choudhury and Sunanda Perumalla},
journal= {arXiv preprint arXiv:1812.10486},
year = {2019}
}
备注
In: Proceedings of the 2019 IISE Annual Conference. Edited by Romeijn. HE, Schaefer. A, Thomas. R. Orlando: IISE; 2019