利用机器学习来创建用户友好的模型,以减轻牙科学校诊所的预约失败
Maria Cuevas-Nunez1, Allen Pan2, Linda Sangalli1
1College of Dental Medicine-Illinois, Midwestern University, Downers Grove, Illinois, USA.
Journal of dental education
|October 3, 2023
概括
机器学习模型可以使用电子健康记录来预测牙科预约的不出现. 关键因素包括预约确认,病史和预约时间,改善牙科诊所的工作流程.
科学领域:
- 机器学习在医疗保健中的应用.
- 预测模型对于没有出现的患者.
- 牙科信息技术和电子健康记录
背景情况:
- 没有出现的患者预约在牙科学校诊所 (DSC) 中带来了重大挑战.
- 准确预测没有出现的情况对于优化诊所运营和教育成果至关重要.
- 电子健康记录 (EHR) 包含了开发预测模型的宝贵数据.
研究的目的:
- 开发一种高效的机器学习 (ML) 模型,使用DSC EHR数据来识别高概率没有预约的患者.
- 创建一个用户友好的系统,为临床医生和管理人员提供风险评分.
- 通过ML建模,识别导致患者不出席预约的关键因素.
主要方法:
- 通过使用非识别的DSC EHR数据评估了8个ML算法.
- 模型的性能使用F1得分,AUC,精度和回忆等指标进行评估.
- 通过ML分析,确定了影响不出现的关键因素.
主要成果:
- 包装分类器模型在0.20-0.25.25的概率值下表现最好,F1得分为0.41和AUC为0.76.
- 没有出现和预约确认,患者年龄,先前的访问,失败的预约,领先时间和医疗警报之间发现了强烈的相关性.
- 开发的ML模型有效地识别了高风险患者.
结论:
- 实施用户友好的ML模型可以提高DSC工作流程的效率.
- 该模型支持改善牙科学生的学习成果.
- 优化患者护理和资源配置是潜在的好处.
