Machine Learning and Statistical Insights into Hospital Stay Durations: The Italian EHR Case

要約

入院期間は、医療の質を評価し、病院の資源管理を最適化するための重要な指標です。
この研究の目的は、2020年から2023年にかけて、ピエモンテ地域の60を超える医療施設からの入院記録のデータセットを使用して、イタリアのヘルスケアコンテキスト内のLOSに影響を与える要因を特定することを目的としています。
LOSと年齢層、併存疾患スコア、入場タイプ、入場月などの機能との間に有意な相関が見られました。
機械学習モデル、特にキャットブーストとランダムフォレストを使用して、LOSを予測しました。
最高のR2スコア、0.49はCatBoostで達成され、良好な予測パフォーマンスを示しました。

要約(オリジナル)

Length of hospital stay is a critical metric for assessing healthcare quality and optimizing hospital resource management. This study aims to identify factors influencing LoS within the Italian healthcare context, using a dataset of hospitalization records from over 60 healthcare facilities in the Piedmont region, spanning from 2020 to 2023. We explored a variety of features, including patient characteristics, comorbidities, admission details, and hospital-specific factors. Significant correlations were found between LoS and features such as age group, comorbidity score, admission type, and the month of admission. Machine learning models, specifically CatBoost and Random Forest, were used to predict LoS. The highest R2 score, 0.49, was achieved with CatBoost, demonstrating good predictive performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google