基于预测模型,预测血液成分的需求
Yajie Wang1, Wei Zhang2, Quan Rao3
1Department of Blood Transfusion, Beijing Friendship Hospital, Capital Medical University, Beijing 100050, China.
概括
使用SARIMAX和LSTM模型准确预测血液供应,有助于有效管理血液资源. 这些模型预测了对血液成分的需求,减少了浪费和短缺.
科学领域:
- 生物医学工程 生物医学工程
- 医疗信息学 医疗信息学
- 数据科学数据科学数据科学
背景情况:
- 维持充足的血液供应对于医疗保健至关重要.
- 血液需求和供应的不确定性需要有效的管理策略.
- 准确预测血液资源需求对于优化血液供应链至关重要.
研究的目的:
- 开发和评估用于预测血液成分需求的预测模型.
- 改善血液库存控制,减少浪费和短缺.
- 将预测模型集成到血液站的操作系统中.
主要方法:
- 实施了混合预测系统,结合了SARIMAX和LSTM模型.
- 集成的实时血液成分收集和供应数据,用于自动更新模型.
- 从2023年1月到6月,预计每日对非瑞斯血小板,洗净红血细胞,悬浮红血细胞和血的需求.
主要成果:
- 模型展示了所有血液成分的强大预测性能.
- 血小板模型的阿菲雷西斯实现了R2高达87.6%和MAPE低至0.0037.
- 洗净的红细胞,悬浮的红细胞和血模型与MAPE值分别为0.0121,0.0372和0.0394很好地匹配,悬浮的红细胞的R2超过66%,血的R2超过90%.
结论:
- 预测模型根据历史数据准确地预测未来的血液成分需求.
- 这些模型为血液库存管理提供了有价值的工具,减轻了挑战.
- 有效的预测导致血液浪费减少,血液短缺的情况减少.
更多相关视频
09:38A Microfluidic Flow Chamber Model for Platelet Transfusion and Hemostasis Measures Platelet Deposition and Fibrin Formation in Real-time
Published on: February 14, 2017
13.8K
08:53Author Spotlight: Advancing Erythropoiesis Research - A Simplified Pipeline for Assessing Hematopoietic Stem Cell Function in Myelodysplastic Syndromes
Published on: January 10, 2025
468
