یک رویکرد یادگیری ماشین برای پیشبینی غیبت بیمار در مراکز درمانی

عدم حضور بیماران در مراکز درمانی یکی از چالشهای مهم فعالان حوزه سلامت است که بر کارایی عملیاتی و تخصیص منابع هر مرکز تاثیر میگذارد. در این پژوهش، ما یک رویکرد یادگیری ماشین جهت پیشبینی عدم حضور بیمار در مراکز درمانی با تمرکز بر حل مشکل نامتوازن بودن ذاتی مجموعه داده های مربوط به سلامت پیشنهاد میکنیم. این روشها شامل پیش پردازش و انتخاب ویژگی در کنار استفاده از تکنیکهای بیش نمونهبرداری و اعتبارسنجی متقاطع طبقه بندی شده است. نتایج به دست آمده براثربخشی به کارگیری الگوریتمهایی، از جمله دسته بندی کننده بیز ساده، رگرسیون لجستیک، جنگل تصادفی و تقویت گرادیان تاکید میکند. شایان به ذکر است، الگوریتمهای جنگل تصادفی و تقویت گرادیان، توانستند به امتیاز ناحیه ی زیر منحنی مشخصه ی عملکرد برابر با %۸۸ برسند. در این پژوهش همچنین متغیرهای مهم برای پیشبینی الگوهای حضور و یا غیبت بیماران شناسایی شد. در نتیجه، مطالعه ما یک رویکرد یادگیری ماشین موثر برای پیشبینی عدم حضور بیماران درمراکز درمانی ارائه میکند، که به طور موثر به چالش عدم توازن داده میپردازد و همچنین به نتیجه ی قابل توجهی در پیشبینی دست پیدا میکند. بینش به دست آمده از این تحقیق میتواند به موسسات مراقبتهای بهداشتی و درمانی در بهینه سازی تخصیص منابع، کاهش هزینه ها و بهبود کارایی عملیاتی کمک کند.