机器学习在减少下肢骨折患者的LOS中所起的作用
Andrea Fidecicchi1, Ida Santalucia2, Antonella Toscano3
1Dept. of Public Health, University of Naples "Federico II", Naples, Italy.
Studies in health technology and informatics
|July 1, 2025
概括
预测下肢骨折的骨科创伤患者的停留时间 (LOS) 对医院效率至关重要. 这项研究使用神经网络来预测LOS,将结果与之前的人工智能 (AI) 模型进行比较.
科学领域:
- 整形外科手术 整形外科手术
- 医疗信息学医学信息学
- 人工智能的人工智能
背景情况:
- 住院时间 (LOS) 估计对于医院效率和患者护理至关重要.
- 准确的LOS预测对于骨科创伤患者尤其重要,特别是那些下肢骨折患者.
- 优化资源配置和患者管理依赖于有效的LOS预测.
研究的目的:
- 分析和预测下肢骨折患者的停留时间 (LOS).
- 实施和评估五个基于神经网络的分类器,用于LOS预测.
- 将这些神经网络的性能与先前研究中已建立的人工智能 (AI) 模型进行比较.
主要方法:
- 使用了五种不同的基于神经网络的分类器.
- 应用这些模型来预测下肢骨折患者的LOS.
- 将神经网络的预测性能与之前的AI模型进行了比较.
主要成果:
- 该研究成功地实施并测试了五个神经网络分类器,用于对骨科创伤患者的LOS预测.
- 为每个神经网络模型生成性能指标.
- 对先前开发的AI模型进行了比较分析.
结论:
- 基于神经网络的分类器在预测下肢骨折患者的停留时间 (LOS) 方面表现有前途.
- 这些发现有助于优化医院资源管理和患者护理策略.
- 进一步的研究可以改进这些人工智能模型,以加强临床决策.


