评估用于预测三级综合医院住院患者住院时间的机器学习模型的开发情况

《Asian Nursing Research》：Evaluating the Development of a Machine Learning Model for Predicting Length of Stay for Inpatients in a Tertiary General Hospital

机器学习模型可有效预测住院时长，整合临床、护理及医疗系统因素优化资源配置，提升患者护理与护理效率。

　　

李美珍|林智英

仁荷大学医院，韩国仁川市中区仁航路27号，22332

摘要

目的

本研究旨在开发一种基于机器学习的预测模型，该模型综合考虑临床、护理和医疗系统因素，以优化医院资源分配、改善以患者为中心的护理服务，并提升护理工作流程的效率。

方法

这项回顾性研究分析了来自一家私立三级医院的大量住院电子病历数据。这些数据被用于开发长期住院与短期住院的预测模型。建模过程采用了多种机器学习算法，并通过标准统计指标对其性能进行了评估。通过分析各特征的重要性，确定了最具预测性的变量。

结果

在所有测试模型中，随机森林算法表现出最高的预测准确性，尤其在预测住院时长方面表现优异。主要影响因素包括就诊次数、术后恢复时间、在重症监护室的停留时间、第三代抗生素的使用情况以及是否需要隔离感染。需要使用呼吸机治疗、入住重症监护室或特定强效抗生素的患者更有可能出现住院时间延长的情况。此外，与护理相关的因素（如跌倒风险和压疮风险）也与住院时间延长显著相关。

结论

研究表明，机器学习模型能够有效预测住院时长，有助于医院资源管理、护理人员分配以及患者安全干预。将预测分析技术整合到医疗系统中，可以支持早期风险评估、个性化出院计划制定以及整体医院效率的提升。