五个神经架构比较以评估性能算法和计算接受脏手术的患者逗留时间
Paolo Montuori1, Ida Santalucia2, Maria Triassi3
1Dept. of Public Health, University of Naples "Federico II", Naples, Italy.
Studies in health technology and informatics
|July 1, 2025
概括
这项研究利用神经网络预测脏手术后患者停留时间 (LOS),确定影响住院时间的关键患者因素.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 腎病學研究 腎病學研究
背景情况:
- 估计患者停留时间 (LOS) 对于医院资源管理和患者护理规划至关重要.
- 机器学习 (ML) 提供了分析复杂患者数据以预测结果的先进方法.
- 神经网络特别擅长处理各种数据类型,包括序列和图像数据,用于预测建模.
研究的目的:
- 为了估计患者在脏手术后的逗留时间 (LOS).
- 为了确定患者的特征显著影响LOS.
- 评估各种神经网络模型对LOS预测的有效性.
主要方法:
- 利用了费德里科二世医院脏手术病例的患者数据.
- 应用并比较了五种不同类型的神经网络用于LOS预测.
- 分析了序列和图像数据以及其他患者变量.
主要成果:
- 神经网络在预测患者住院时间方面表现出有效性.
- 确定了特定的患者特征,这些特征是LOS的主要驱动因素.
- 该研究强调了不同神经网络架构的预测能力.
结论:
- 神经网络是预测患者在手术环境中的停留时间的宝贵工具.
- 了解影响LOS的关键患者因素可以优化术后护理和资源配置.
- 进一步的研究可以改进ML模型,以便更准确地预测临床结果.
