目的构建某精神专科医院急诊量预测模型,分析急诊科就诊人次的变化规律,为精神科急诊服务资源的优化配置提供参考。方法从某精神专科医院信息系统提取2018—2023年急诊患者就诊时间等数据。其中,2018—2022年月度急诊人次(急诊量)用于...目的构建某精神专科医院急诊量预测模型,分析急诊科就诊人次的变化规律,为精神科急诊服务资源的优化配置提供参考。方法从某精神专科医院信息系统提取2018—2023年急诊患者就诊时间等数据。其中,2018—2022年月度急诊人次(急诊量)用于构建自回归积分滑动平均模型(autoregressive integrated moving average model,ARIMA),2023年月度急诊量用于验证该模型的预测效果。结果经模型构建和筛选,确定季节型ARIMA(0,1,0)(1,1,1)^(12)为最优模型,该模型的预测值与实际值吻合性较好,平均相对误差波动在1.6%~26.8%,平均绝对误差波动在9~159人次。结论季节型ARIMA模型能够较准确地预测某精神专科医院急诊量,可为该院人力资源配置及应急调度提供参考,但该预测模型适用于短期预测,如需长期预测,还应不断进行数据拟合,以确保预测的有效性。展开更多
文摘目的构建某精神专科医院急诊量预测模型,分析急诊科就诊人次的变化规律,为精神科急诊服务资源的优化配置提供参考。方法从某精神专科医院信息系统提取2018—2023年急诊患者就诊时间等数据。其中,2018—2022年月度急诊人次(急诊量)用于构建自回归积分滑动平均模型(autoregressive integrated moving average model,ARIMA),2023年月度急诊量用于验证该模型的预测效果。结果经模型构建和筛选,确定季节型ARIMA(0,1,0)(1,1,1)^(12)为最优模型,该模型的预测值与实际值吻合性较好,平均相对误差波动在1.6%~26.8%,平均绝对误差波动在9~159人次。结论季节型ARIMA模型能够较准确地预测某精神专科医院急诊量,可为该院人力资源配置及应急调度提供参考,但该预测模型适用于短期预测,如需长期预测,还应不断进行数据拟合,以确保预测的有效性。
