机器学习框架：医疗机构市场份额趋势的竞争情报与关键驱动因素识别

在医疗战略制定中数据驱动决策的必要性正在迅速增加。一个有助于识别影响医疗提供机构或医院（以下统称为机构）市场份额的因素的可靠框架至关重要。本试点研究旨在开发一个数据驱动的机器学习-回归框架，帮助战略制定者制定关键决策以提升机构市场份额，进而改善医疗服务质量。研究选取美国医疗业务，考虑了华盛顿州60家关键机构约3年的历史数据。在当前分析中，市场份额定义为某机构就诊量与潜在竞争机构群体总就诊量之比。本研究提出了一种新颖的双管齐下方法：分别通过竞争者识别和回归方法来评估和预测市场份额。利用与模型无关的技术SHAP量化影响市场份额的特征的相对重要性。当前分析中提出的竞争者识别方法构建了有向无环图（DAGs）、特征级词向量，并评估了机构层面的关键连通分量。该技术是鲁棒的，因为其数据驱动的特性最小化了经验技术带来的偏差。在识别机构间竞争者集合后，开发了回归模型来预测市场份额。为在机构层面对特征进行相对量化，引入了与模型无关的解释器SHAP。这有助于识别并排序每个机构中影响市场份额的属性。