基于机器学习与仿真的急诊科患者流建模
计算机与社会
2020-12-03 v1 机器学习
摘要
近来，机器学习(ML)与仿真的结合受到广泛关注。本文提出了一种在仿真中应用ML的新方法，以改善急诊科(ED)内的患者流。将一个ML模型用于真实的ED仿真模型中，以量化将患者带离ED对其停留时间(LOS)和就诊至接诊时间(DTDT)的影响，作为对ED患者入院预测的响应。该ML模型使用一组六个特征进行训练，包括患者年龄、到达日、到达时刻和分诊级别。预测模型使用了决策树(DT)模型，其利用历史数据训练达到了75%的准确率。从DT中提取的规则集被编码进仿真模型中。在给定一定自由住院床位概率的情况下，被预测为入院的患者随后被从ED调往住院单元，以缓解ED内的拥挤。所采用的策略结合特定ED资源的增加，分别实现了LOS和DTDT降低9.39%和8.18%。
引用
@article{arxiv.2012.01192,
title = {Modeling patient flow in the emergency department using machine learning and simulation},
author = {Emad Alenany and Abdessamad Ait El Cadi},
journal= {arXiv preprint arXiv:2012.01192},
year = {2020}
}