大数据背景下医院门诊挂号预约爽约行为预测研究.docxVIP

下载本文档

0
0
约6.94千字
约 6页
2024-09-12 发布于湖北
举报
版权申诉

大数据背景下医院门诊挂号预约爽约行为预测研究.docx

1、本文档共6页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

大数据背景下医院门诊挂号预约爽约行为预测研究

朱光邓弘林

摘要：目的?了解目前医院预约诊疗服务中患者爽约行为的现状，探讨和鉴别患者爽约的关键特征，运用这些特征建立机器学习算法模型预测未来患者爽约行为。方法?挖掘2018年河北省某大型三甲医院预约大数据，首先用Stata采取传统Logistic回归找出患者爽约的显著因子，再将数据划分为训练集和预测集，采用SVM、决策树、随机森林和BP神经网络等不同模型学习训练患者爽约行为和特征，检验每种算法对患者爽约预测的准确率。结果?目前医院患者预约爽约率为16.16%，Logistic回归分析显示年龄、性别、预约时间和预约科室是爽约行为的关键性特征;使用這些特征进行机器学习和预测能取得较好效果，SVM、决策树、随机森林和BP神经网络各个算法准确率均超过75%，其中SVM和BP神经网络准确率最高，是该特定情境下的最优算法。结论?我国大型三甲医院预约诊疗服务有待进一步加强，在大数据时代的背景下，机器学习方法可为医院预测并降低爽约率提供强有力支持。

关键词：预约诊疗;爽约率;机器学习;大数据

：R197.3?????????????????：B????????????????DOI：10.3969/j.issn.1006-1959.2020.22.004

：1006-1959（2020）22-0013-04

AnInvestigationofPredictingPatientMissingAppointmentBehaviorUndertheBigDataBackground

ZHUGuang1，DENGHong-lin2

（1.DepartmentofPublicityandPlanning，CangzhouCentralHospital，Cangzhou061000，Hebei，China;

2.SchoolofBusiness，SunYat-senUniversity，Guangzhou510000，Guangdong，China）

Abstract：Objectives?Tounderstandthecurrentsituationofpatientsmissing-appointmentbehaviorintheappointmentserviceofhospitals;toexploreandidentifythekeyfeaturesofpatientsmissingappointment.Usethesefeaturestobuildamachinelearningalgorithmmodeltopredictfuturepatientmissing-appointmentbehavior.Methods?MiningthebigdataofappointmentsinalargetertiaryhospitalinHebeiProvincein2018.First，StataadoptstraditionalLogisticregressiontofindthesignificantfactorsofpatientsappointments，andthendividesthedataintotrainingsetsandpredictionsets，usingSVM，decisiontree，randomforestandBPDifferentmodels，suchasneuralnetworks，learnandtrainpatientsabsenteebehaviorandcharacteristics，andtesttheaccuracyofeachalgorithminpredictingpatientabsenteeism.Results?Thecurrentappointmentrateofhospitalpatientsis16.16%.Logisticregressionanalysisshowsthatage，gender，appointmenttimeandappointmentdepartmentarethekeyfeaturesofappointmentcancellationbehavior;usingthesef