一种使用机器学习技术预测手术持续时间的新方法

科学领域:

• 医疗保健 运营 研究 研究 研究
• 机器学习在医学中的应用
• 优化外科手术工作流程的优化

背景情况:

• 准确预测外科手术的持续时间对于有效的手术室安排和资源分配至关重要.
• 当前的预测方法往往忽略了外科手术团队中关键的人类因素.
• 了解团队动态可以显著影响手术结果和效率.

研究的目的:

• 开发和验证一种新的机器学习 (ML) 方法来预测外科手术的持续时间.
• 调查手术团队动态和组成对预测准确性的影响.
• 通过结合团队特定变量来改进现有模型.

主要方法:

• 利用了超过77000个手术手术的综合数据集.
• 开发和应用机器学习技术,结合与手术团队经验,熟悉性,社会行为和性别多样性相关的预测因素.
• 将新的ML模型的性能与模仿当前决策方法的基线模型进行了比较.

主要成果:

• 与基线模型相比,实现了平均绝对误差 (MAE) 的24%改善.
• 证明了外科医生经验和团队组成动态对预测准确性的重大贡献.
• 验证了拟议的ML方法论在预测手术持续时间方面的有效性.

结论:

• 开发的ML方法,结合手术团队动态,在预测手术持续时间方面提供了卓越的准确性.
• 提高预测准确度可以导致更有效的医院运营规划和资源管理.
• 将洞察力整合到团队组成中可以优化手术室利用率并改善整体医疗保健服务.