10.15918/j.tbit1001-0645.2018.389
非计划再入院风险预测研究
为改善患者身体健康,降低非计划再入院率,减轻患者负担和社会资源浪费,本研究基于我国某区域卫生信息平台的医疗数据,利用机器学习方法,构建了非计划再入院风险预测模型.不同于已有仅预测了再入院概率的研究,本研究通过将风险预测建模为多分类问题,实现了在时间和可能性两个维度对再入院风险进行预测.通过调整机器学习算法参数设置,构建了基于神经网络、随机森林和支持向量机算法的 3 大类共 10 个再入院风险备选预测模型.基于真实数据集的实验结果表明,在备选风险预测模型中,使用多项式核函数的支持向量机模型预测效果最好,预测准确率达到 96.65％.本研究成果可以使医疗机构基于患者历史医疗数据,从时间和可能性两个维度更全面、精准地评估患者再入院风险,进而采取必要的干预措施,降低非计划再入院率.
非计划再入院、风险预测、机器学习
40
TP311;R197.32(计算技术、计算机技术)
国家自然科学基金资助项目71432002,71572013
2020-04-22（万方平台首次上网日期，不代表论文的发表时间）
共9页
198-205,212
