基于机器学习算法预测手术持续时间及其在中国一家普通医院的实际应用

科学领域:

• 医疗保健管理的管理
• 人工智能在医学中的应用
• 运营研究 运营研究

背景情况:

• 传统的手术室安排面临准确性限制.
• 机器学习 (ML) 为手术持续时间提供了增强的预测能力.
• 优化医院运营效率是一个关键的挑战.

研究的目的:

• 优化手术室安排,提高医院的运营效率.
• 使用机器学习算法预测手术持续时间.
• 为了比较不同ML模型在预测手术持续时间方面的有效性.

主要方法:

• 利用来自中国大型综合医院的现实世界手术室数据.
• 对比了各种机器学习算法,包括XGBoost.
• 开发和评估了三种模型类型:全方位,部门特定和医生特定.

主要成果:

• 确定XGBoost模型是最有效的预测框架.
• 部门特定的模型实现了最高的预测准确度.
• 在手术中心实施显著提高了手术室资源利用率.

结论:

• 基于机器学习的手术持续时间预测有效地解决了手术安排的挑战.
• 数据预处理和特征选择对于预测准确性至关重要.
• 这种方法为医院的运营管理提供了数据驱动的支持.