在A&E中预测等待时间
Luis F Arias-Gómez1, Thomas Lovegrove2, Holger Kunz1
1Institute of Health Informatics, University College London, London, United Kingdom.
这项研究引入了一种基于人工智能的方法,用于预测急诊室 (A&E) 的等待时间,其表现优于传统方法. 机器学习模型为患者流量管理提供了更具动态性的解决方案.
科学领域:
- 紧急医疗 紧急医疗
- 人工智能的人工智能
- 数据科学数据科学数据科学
背景情况:
- 准确预测急诊室等待时间对于有效的患者流量管理至关重要.
- 像滚动平均线这样的传统方法无法捕捉影响A&E等待时间的复杂上下文因素.
- 疫情前 (2017-2019) 期间为开发不受最近全球卫生事件影响的强大预测模型提供了有价值的数据集.
研究的目的:
- 开发和评估一种基于人工智能的方法,用于预测A&E部门的患者等待时间.
- 为了比较机器学习算法的性能与传统的预测技术.
- 建立一个更具活力和准确的系统,预测患者到达之前的出院时间.
主要方法:
- 利用了2017-2019年后期的A&E患者数据.
- 训练并测试了随机森林和XGBoost回归模型来预测释放时间.
- 应用模型到一个数据集的68,321个患者的观察,使用一个全面的特征集.
主要成果:
- 该XGBoost模型实现了根平均平方误差 (RMSE) 的82.66和平均绝对误差 (MAE) 的64.31.
- 随机森林模型表现出强的性能,RMSE=85.31和MAE=66.71.
- 与标准方法相比,这两种人工智能模型都显著提高了预测准确性.
结论:
- 支持人工智能的回归模型,特别是XGBoost和随机森林,为预测A&E等待时间提供了更具动态性和准确性的方法.
- 这些先进的方法为优化急诊室患者流动和资源分配提供了宝贵的见解.
- 这些发现表明,应该转向数据驱动的预测分析,以提高医疗保健机构的运营效率.
更多相关视频
09:52Setting Up a Stroke Team Algorithm and Conducting Simulation-based Training in the Emergency Department - A Practical Guide
Published on: January 15, 2017
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
相关概念视频
The Availability Heuristic
Determination of Expected Frequency
The X̄ Chart
The x̄ chart, often known as the individual control chart, is a crucial tool in statistical process control. It is designed to monitor process behavior and performance over time and is widely used in various industries to ensure that processes are operating at their optimum capacity and within specified limits.
A x̄ chart is constructed by plotting individual measurements of a quality...
Steps in Outbreak Investigation
Acute Coronary Syndrome III: Diagnostic Studies
Pulmonary Embolism II: Diagnostic Studies and Interprofessional Care
