机器学习模型揭示了急性精神卫生病房入院的决定因素,来自紧急部门的演讲
Oliver Higgins1,2,3, Stephan K Chalup4, Rhonda L Wilson1,2,3
1RMIT University, Melbourne, Victoria, Australia.
International journal of mental health nursing
|August 29, 2024
概括
机器学习模型可以预测急诊部门的急性精神卫生病房入院情况. 年龄和分类类别显著影响这些预测,为改善患者护理提供了洞察力.
科学领域:
- 紧急医疗 紧急医疗
- 心理健康服务研究 心理健康服务研究
- 机器学习应用 机器学习应用
背景情况:
- 紧急诊所 (ED) 管理大量患有心理健康 (MH) 问题,包括自杀倾向的患者.
- 准确预测急性MH病房的入院情况对于资源分配和及时的患者护理至关重要.
- 目前在EDS中进行的MH分类存在挑战,原因是心理健康评估的复杂性.
研究的目的:
- 确定影响患者进入急性精神卫生病房的关键因素.
- 利用机器学习 (ML) 模型来预测急性MH病房入院的可能性.
- 提供有关MH服务交付中的临床和财务变异的见解.
主要方法:
- 利用了2016年1月1日至2021年12月31日的现有ED数据.
- 应用机器学习模型使用Python中的可解释机器学习 (InterpretML) 库.
- 根据平均绝对得分来评估特征的重要性,以确定对入学概率的影响.
主要成果:
- 患者的"年龄"和"Triage类别"被确定为MH病房入院的最重要的预测因素.
- "设施标识符"",存在问题"和"活跃客户"对招生决策的影响较小.
- 自杀念头,尽管是一个常见的表现,显示了与承认的负相关性.
结论:
- 年龄和分类类别是决定急性MH病房入院的关键因素.
- 护士在分组中的作用至关重要,突出了需要专门的MH评估技能.
- 建议对ML应用进行进一步的研究,以支持临床医生在ED MH评估中.
