使用机器学习预测紧急护理诊所的患者需求
机器学习
2022-05-27 v1 人工智能
摘要
全球范围内的紧急护理诊所和急诊科由于人员配置不足，周期性地遭受超出患者预期的长时间等待。这些延误已被认为与不良临床结果相关。此前该领域对需求预测的研究大多使用一系列统计技术，机器学习方法直到近期文献中才开始出现。该领域的预测问题十分困难，并且因 COVID-19 大流行而更加复杂，典型需求模式被打乱，给该估计带来了额外复杂性。本研究探索了机器学习方法在位于新西兰奥克兰的两家大型紧急护理诊所生成准确患者就诊量预测的能力。为确定该问题领域最有效的技术，我们探索了多种机器学习算法，任务是提前三个月预测每日患者需求。该研究还深入分析了模型行为，探究哪些特征最能有效预测需求，以及哪些特征能够适应由 COVID-19 大流行封锁引起的波动性。结果表明，基于集成的方法平均而言提供了最准确且最一致的解决方案，相较现有的内部每日需求估计方法带来了 23%–27% 的改进。
引用
@article{arxiv.2205.13067,
title = {Forecasting Patient Demand at Urgent Care Clinics using Machine Learning},
author = {Paula Maddigan and Teo Susnjak},
journal= {arXiv preprint arXiv:2205.13067},
year = {2022}
}