用于衰弱与老年患者服务多站点建模的预测性与规范性分析
机器学习
2025-04-25 v3 最优化与控制
摘要
许多经济体正受到人口老龄化影响的挑战，尤其在资源容量规划关键的领域如医疗保健。本研究通过单独及协同使用预测性与规范性分析方法，解决医院病房中床位与人员容量规划的运营挑战。我们将这些方法应用于英国一个由 11 家医院组成的网络中 165,000 名患者的研究。预测建模，特别是分类与回归树（CART），基于临床与人口统计数据预测患者住院时长。在规范性方面，确定性与两阶段随机优化模型确定最优床位与人员规划策略以最小化成本。将预测模型与规范性优化模型关联，生成需求预测以指导优化过程，提供准确且实用的解。结果表明，这种集成方法捕捉了患者住院时长（LOS）的真实世界变化，并相比基于平均值的规划节省了 7% 成本。该方法通过纳入患者个体特征、改善容量配置并缓解需求变异相关风险，帮助医疗管理者做出稳健决策。因此，这种组合方法可广泛推广至面临类似挑战的各类部门，展示了集成预测性与规范性分析的通用性与有效性。
引用
@article{arxiv.2311.07283,
title = {Predictive and prescriptive analytics for multi-site modelling of frail and elderly patient services},
author = {Elizabeth Williams and Daniel Gartner and Paul Harper},
journal= {arXiv preprint arXiv:2311.07283},
year = {2025}
}