A Hybrid Data-Driven Approach For Analyzing And Predicting Inpatient Length Of Stay In Health Centre

要約

患者の滞在期間（LOS）は、病院管理の有効性を評価するための重要な指標です。
主な目的は、患者の旅の中で患者の転帰と病院の能力を高めながら、効率を改善し、コストを削減するために含まれます。
データ駆動型の手法をシミュレーション方法論とシームレスに統合することにより、この研究では、患者の流れを最適化するための包括的なフレームワークを提案しています。
230万件の識別された患者記録の包括的なデータセットを使用して、機械学習モデル（決定ツリー、ロジスティック回帰、ランダムフォレスト、アダボースト、LightGBM）およびPythonツールとの人口統計、診断、治療、サービス、コスト、および料金を分析しました。
、AWSクラスター、次元低減）。
私たちのモデルは、監視された学習アルゴリズムを使用して、入場時に患者の滞在期間（LOS）を予測します。
このハイブリッドアプローチにより、LOSに影響を与える重要な要因を特定し、病院が患者の流れとリソースの利用を合理化するための堅牢なフレームワークを提供します。
この研究は、患者の流れに焦点を当て、アプローチの有効性を裏付け、実際の医療環境内での患者の滞在期間の減少を示しています。
この調査結果は、病院管理慣行の変換におけるハイブリッドデータ駆動型モデルの可能性を強調しています。
この革新的な方法論は、一般的に柔軟な意思決定、トレーニング、患者の流れの強化を提供します。
このようなシステムは、ヘルスケア管理に大きな影響を与え、ヘルスケアに対する全体的な満足度を持っている可能性があります。

要約(オリジナル)

Patient length of stay (LoS) is a critical metric for evaluating the efficacy of hospital management. The primary objectives encompass to improve efficiency and reduce costs while enhancing patient outcomes and hospital capacity within the patient journey. By seamlessly merging data-driven techniques with simulation methodologies, the study proposes an all-encompassing framework for the optimization of patient flow. Using a comprehensive dataset of 2.3 million de-identified patient records, we analyzed demographics, diagnoses, treatments, services, costs, and charges with machine learning models (Decision Tree, Logistic Regression, Random Forest, Adaboost, LightGBM) and Python tools (Spark, AWS clusters, dimensionality reduction). Our model predicts patient length of stay (LoS) upon admission using supervised learning algorithms. This hybrid approach enables the identification of key factors influencing LoS, offering a robust framework for hospitals to streamline patient flow and resource utilization. The research focuses on patient flow, corroborating the efficacy of the approach, illustrating decreased patient length of stay within a real healthcare environment. The findings underscore the potential of hybrid data-driven models in transforming hospital management practices. This innovative methodology provides generally flexible decision-making, training, and patient flow enhancement; such a system could have huge implications for healthcare administration and overall satisfaction with healthcare.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google