开发混合机器学习模型以预测公共和私人牙科诊所的治疗时间作为工作流程调节工具

科学领域:

• 牙科学
• 人工智能
• 医疗信息学

背景情况:

• 预测牙科治疗的持续时间对于有效的诊所管理至关重要.
• 现有的时间估计方法可能缺乏精度.
• 机器学习提供了一种新的方法来提高医疗保健中的预测准确性.

研究的目的:

• 开发基于机器学习的桌面应用程序,用于预测牙科治疗的持续时间.
• 评估开发的预测模型的准确性和临床效率.
• 探索谷歌SerpApi服务在牙科机器学习预测中的实用性.

主要方法:

• 使用Python开发软件,结合机器学习算法.
• 使用了2750个牙科治疗记录的数据集进行培训 (2500) 和测试 (250).
• 用于模型性能评估的Spearman相关性,R2和平均绝对误差.

主要成果:

• 该模型的R2值为0.97,预测治疗持续时间差异的97.32%.
• 平均绝对误差为2.6432分钟,表明准确的预测.
• 斯皮尔曼相关性显示出强烈的正相关性 (r=0. 96, p<0. 001).
• 参与者的年龄和性别没有显著影响预测的准确性.

结论:

• 机器学习在优化牙科工作流程和临床效率方面具有显著的前景.
• 谷歌SerpApi的整合被证明是有效的,特别是在数据稀缺的情况下.
• 电子病例记录系统对于医疗设施中人工智能应用的发展至关重要.