41,728次紧急诊所访问的无监督聚类:对患者资料和KTAS可靠性的洞察
Jongsun Kim1, EunChul Jang2, SoonChan Kwon2
1Department of Emergency Medicine, Catholic Kwandong University, International St. Mary's Hospital, Incheon 22711, Republic of Korea.
Healthcare (Basel, Switzerland)
|December 11, 2025
概括
这项研究在使用无监督学习的急诊室中确定了两个不同的患者群体,揭示了韩国紧急患者分类工具 (KTAS) 错过的生理异质性,以改进分类.
科学领域:
- 紧急医疗 紧急医疗
- 数据科学数据科学数据科学
- 医疗保健服务研究 医疗服务研究
背景情况:
- 紧急部门的患者分类对于及时的护理至关重要.
- 像韩国紧急患者分类工具 (KTAS) 这样的现有系统可能无法完全捕捉患者的异质性.
- 这可能导致资源分类不足和资源分配不足.
研究的目的:
- 在急诊室使用无监督学习识别不同的患者子组.
- 为了探索患者异质性,超越目前的KTAS分类.
- 为了告知在紧急选和资源管理方面的潜在改进.
主要方法:
- 对41,728名急诊室患者进行了回顾性横截面研究.
- 使用人口,生理和临床数据进行K原型无监督集群分析.
- 使用Silhouette,Dunn和Davies-Bouldin指标验证集群号;通过UMAP进行尺寸缩小.
主要成果:
- 确定了两个不同的患者群.
- 集群0:稳定的患者 (平均年龄58岁). 集群1:年轻,生理不稳定的患者 (平均年龄46岁,平均血压较低).
- 群体之间生命体征和疼痛评分的显著差异;与KTAS分类的中等关联 (克莱默的V = 0.208).
结论:
- 无监督学习可以识别KTAS未捕获的患者异质性.
- 这种方法有助于早期识别高风险患者和有效分配资源.
- 这些发现支持开发一个补充系统,用于精确分拣和以患者为中心的紧急护理政策.
