使用机器学习模型预测住院成年人的跌倒情况

科学领域:

• 医疗保健信息学 医疗保健信息学
• 临床风险管理临床风险管理
• 医疗保健中的机器学习

背景情况:

• 有效的防摔计划需要准确识别高风险患者.
• 整合健康信息系统在分析患者安全数据方面存在挑战.

研究的目的:

• 为了确定与患者跌倒相关的因素.
• 为澳大利亚急性和次急性护理机构的风险患者开发高性能预测工具.

主要方法:

• 澳大利亚维多利亚州超过67万名患者 (2019-2021) 的回顾性研究.
• 利用来自多个来源的数据,包括电子健康记录.
• 应用机器学习模型 (随机森林,深度神经网络) 来预测跌倒和识别风险因素.

主要成果:

• 深度神经网络和随机森林模型都在预测患者跌倒方面表现出很高的准确性.
• 在患者,人员和入院类别中确定了12个常见的风险因素.
• 模型实现了高精度 (例如,RF为0.989) 和特异性 (例如,RF为1.000).

结论:

• 机器学习有效地预测患者的跌倒,并识别关键的风险因素.
• 研究结果强调了人工智能的潜力,提高了患者的安全性,并为预防跌倒的干预措施提供了信息.
• 为了更广泛的实施,建议在不同的环境中进一步验证.