相关实验视频
Updated: Jun 30, 2025

Prehospital Thrombolysis: A Manual from Berlin
Published on: November 26, 2013
为紧急医疗服务建立基于机器学习的救护车调度选模型
Han Wang1, Qin Xiang Ng2, Shalini Arulanandam2
1Saw Swee Hock School of Public Health, National University Health System, National University of Singapore, Singapore.
紧急医疗服务 (EMS) 呼叫中心专家现在可以使用机器学习模型更好地预测病例敏度. 这种人工智能工具可以减少15%的过度选,改善救护车调度和资源使用.
科学领域:
- 紧急医疗 紧急医疗
- 人工智能的人工智能是人工智能.
- 数据科学是数据科学.
背景情况:
- 紧急医疗服务 (EMS) 呼叫中心专家在有限的时间框架内准确评估紧急情况的急性面临挑战.
- 目前用于发送决策的协议可能在敏感性和特异性方面存在局限性.
- 机器学习 (ML) 模型为捕获复杂模式和提供快速,准确的预测提供了潜力.
研究的目的:
- 开发和评估一个概念验证的机器学习模型,以便更好地预测紧急情况的急性.
- 提高EMS呼叫中心专家做出的分拣决策的准确性.
主要方法:
- 利用了来自新加坡 (2018-2020) 的超过36万条结构化紧急呼叫中心记录的数据集.
- 从呼叫记录中设计功能来训练多个机器学习模型.
- 采用随机森林模型作为主要预测算法.
主要成果:
- 随机森林模型在预测案例敏度方面表现出卓越的表现.
- 与人类调度器相比,实现了超过分类率的绝对减少15%.
- 保持了与经验丰富的呼叫中心专家相比的低分辨率.
结论:
- 开发的ML模型显示了作为EMS调度员的决策支持工具的巨大潜力.
- 将该工具与现有协议相结合,可以优化救护车调度分拣.
- 该模型可以有助于更有效地利用紧急救护车资源.
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
Methods of Documentation VI: Case Management Model
For example, a patient with a chronic...
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...