小児科救急外来からの高緊急度患者の無断離院予測のための機械学習戦略

科学分野:

• 救急医学
• データサイエンス
• 小児医療

背景:

• 小児救急外来における高緊急度患者の無断離院（LWBS）は、重大な課題です。
• 予測モデリングは、LWBSイベントを軽減するための運用戦略に役立ちます。

研究 の 目的:

• 小児救急外来における高緊急度LWBS患者を予測するための運用上有用な機械学習モデルを開発すること。
• LWBS緩和のための運用ターゲットに適した特定時間帯を特定すること。

主な方法:

• 2018年から2024年までの512,616件の小児救急外来受診の分析。
• 6つの機械学習モデル（ロジスティック回帰、LASSO、SVM、ランダムフォレスト、XGBoost、テンポラルフュージョントランスフォーマー）およびアンサンブルモデルの開発と比較。
• 2018年から2023年までのデータをトレーニングに、2024年のデータをテストに使用した時系列クロスバリデーション。8時間ウィンドウと特定の日時（午後12時から午後8時）に焦点を当てました。

主要な成果:

• XGBoostおよびテンポラルフュージョントランスフォーマーモデルは、8時間ウィンドウでの高緊急度LWBS患者2人以上の予測において最高の予測性能（AUC 0.85-0.86）を達成しました。
• これらのモデルは、午後12時から午後8時までの時間帯でも最も優れた性能を発揮しました。
• 多数決アンサンブルは予測性能を向上させませんでした。

結論:

• 機械学習モデルは、小児救急外来における高緊急度LWBS患者に対して強力な予測能力を示しています。
• これらのモデルは、LWBSイベントを削減するための運用介入に最適な期間を特定できます。
• XGBoostおよびテンポラルフュージョントランスフォーマーは、リアルタイム予測および緩和戦略に有望です。