ارایه یک مدل جدید جهت پیش بینی پذیرش مجدد به دلیل شرایط بحرانی سلامتی

در این مطالعه ما مواردی که در پیش بینی مجدد بستری شدن وجود دارد را با روش های مختلف یادگیری ماشین مقایسه ای انجام می دهیم و یک مدل برای احتمال و پیش بینی بستری شدن مجدد ایجاد می کنیم. ما همچنین یک چارچوب برای اجرای مدل در حالت داده واقعی ارایه می کنیم. این مطالعه نشان داد که می تواند تفکیک مناسبی برای بیماران در معرض خطر پذیرش مجدد داشته باشد. دراین مطالعه یک روش برای ایجاد مدلی برای تشخیص امکان پذیرش مجدد بررسی شد و این مدل می تواند به بیمارستان ها در افزایش کیفیت درمانی و فرآیند ترخیص کمک کند. پیش بینی پذیرش مجدد با توجه به ویژگی های مختلفی مانند، سن، جنس، نژاد، وضعیت پذیرش و ترخیص، مدت بستری بودن، تعداد روز حضور در ICU بیماری های دیگر بیمار، نوع مورد اورژانسی و غیره انجام شده است. برای انجام آنالیز می توان از آنالیز حساس به هزینه و تکنیک تصادفی جنگلی برای کلاس بندی استفاده کرد. مدل ما با استفاده از اعتبارسنجی متقابل یکی از بهترین تکنیک ها است انجام شد. همچنین برای بیمارستان ها و اقدامات لازم برای کاهش نرخ بستری شده مجدد بیمار مناسب می باشد.

Keywords:

پذیرش مجدد , یادگیری ماشین , کلاس بندی , رگرسیون دادهها