相关实验视频
Updated: Jul 12, 2025
05:37
An R-Based Landscape Validation of a Competing Risk Model
Published on: September 16, 2022
2.1K
开发和验证与减肥手术相关的医院成本预测模型
Vincent Ochs1, Anja Tobler2, Bassey Enodien3
1Department of Biomedical Engineering, Faculty of Medicine, University of Basel, Allschwil, Switzerland.
Obesity research & clinical practice
|October 30, 2023
概括
机器学习准确地预测了减肥手术的成本. 随机森林模型实现了12.7%的误差,有助于医院的财务规划和运营效率.
科学领域:
- 医疗信息学 医疗信息学
- 卫生经济学 卫生经济学
- 医疗保健中的机器学习
背景情况:
- 医院难以预测患者治疗费用,影响收入.
- 不准确的成本预测阻碍了有效的财务管理和运营规划.
研究的目的:
- 评估机器学习 (ML) 算法,用于预测减肥和代谢手术中的医疗保健成本.
- 开发一个预测工具,用于在外科手术过程中进行增强的成本分析.
主要方法:
- 利用了602名减肥和代谢手术患者 (2013-2019) 的数据.
- 测试了多种预测模型,包括患者,手术和并发症变量.
- 根据平均绝对百分比误差 (MAPE) 选择随机森林模型.
主要成果:
- 随机森林模型在预测整体减肥手术成本方面表现出最高的准确性.
- 实现了成本预测的平均绝对百分比误差 (MAPE) 为12.7%.
- 该模型为医院的财务计算提供了一个可行的工具.
结论:
- 机器学习,特别是随机森林模型,可以有效地预测减肥手术成本.
- 这种预测工具支持改善财务管理和成本效益高的医院运营.
- 建议进行进一步的多中心研究,以完善ML工具的准确性和验证.
