门诊等待时间的预测:在三级儿童医院使用机器学习

科学领域:

• 医疗保健管理的管理
• 人工智能在医学中的应用
• 儿科医疗保健 儿科医疗保健

背景情况:

• 准确预测患者等待时间对于高效的医院运营至关重要.
• 通知患者等待时间可以更好地规划访问并减少焦虑.
• 这项研究的重点是预测中国儿科医院的门诊等待时间.

研究的目的:

• 评估机器学习算法在预测门诊等待时间方面的有效性.
• 为了比较不同机器学习模型的性能,以预测等待时间.
• 通过准确的等待时间预测,提高患者满意度和医院管理.

主要方法:

• 开发了一种基于医学知识和统计分析的新型分类方法.
• 使用了四种机器学习算法:线性回归 (LR),随机森林 (RF),梯度增强决策树 (GBDT) 和K-最近邻居 (KNN).
• 预测模型是为四个部门类别的患者等待时间构建的.

主要成果:

• 渐变增强决策树 (GBDT) 和随机森林 (RF) 模型的表现明显优于线性回归 (LR).
• 射频模型在内部医学科I (5.03分钟) 实现了最低的平均绝对误差 (MAE),比LR提高了47.60%.
• 对于其他三个类别来说,GBDT模型是最佳的,MAE的减少为28.26%,35.86%和33.10%,与LR相比.

结论:

• 机器学习模型在预测儿科门诊等待时间方面表现出高准确度.
• 准确的等待时间预测可以缓解患者的焦虑,并改善整体医疗保健体验.
• 这项研究强调了人工智能在儿童医院提高效率和以患者为中心的护理方面的潜力.