使用可解释的机器学习方法识别患者满意度的关键影响因素
Md Mahafuzur Rahman1, Charls Darwin2, Md Mushaddiqul Islam Amin2
1Department of Statistics, Begum Rokeya University, Rangpur, 5404, Bangladesh. mahafuzur.brur@gmail.com.
Scientific reports
|October 13, 2025
概括
机器学习模型确定了影响患者满意度的关键因素,其中LightGBM表现最好. 改善沟通和减少等待时间对于改善患者在医疗保健中的体验至关重要.
科学领域:
- 医疗保健质量评估 医疗保健质量评估
- 医疗信息学 医疗信息学
- 机器学习在医学中的应用
背景情况:
- 患者满意度是医疗保健质量的关键指标,影响健康结果和患者体验.
- 识别影响患者满意度的因素对于改善医疗保健服务至关重要.
研究的目的:
- 确定影响医疗机构患者满意度的关键因素.
- 评估机器学习模型对患者满意度的预测性能.
- 通过SHAP价值分析来解释这些发现.
主要方法:
- 在孟加拉国兰普尔的两家私人医院,对312名患者进行了横截面调查.
- 使用机器学习模型 (LightGBM,随机森林,XGBoost,CatBoost) 来预测患者的满意度.
- 用SHAP价值分析来确定模型的可解释性.
主要成果:
- 轻GBM分类器表现出高精度 (0.85),MCC (0.69) 和ROC-AUC (0.83) 的卓越性能.
- 影响满意度的重要因素包括治疗计划,年龄,预约方便性,等待时间和药物细节.
- 较短的等待时间,清晰的沟通和结构化的互动与更高的满意度相关.
结论:
- 轻GBM模型有效预测患者满意度,为医疗保健提供者提供有价值的见解.
- 医疗机构应专注于加强沟通,尽量减少等待时间,并提供明确的治疗计划.
- 进一步的研究可以探索额外的因素,以改进患者满意度的预测模型.
