目的建立精神科门诊量精准预测模型,为精神科医疗卫生资源的合理配置提供依据。方法构造了关键字的百度指数特征、时间特征以及门诊量特征三类特征,在此基础上提出了一种基于XGBoost算法的精神科门诊量预测模型。使用某三甲医院精神科2...目的建立精神科门诊量精准预测模型,为精神科医疗卫生资源的合理配置提供依据。方法构造了关键字的百度指数特征、时间特征以及门诊量特征三类特征,在此基础上提出了一种基于XGBoost算法的精神科门诊量预测模型。使用某三甲医院精神科24个月的门诊量进行训练,并对随后10个月的门诊量进行预测。结果当预测未来1 d内门诊人数时,均方根误差(root mean squared error,RMSE)仅为23.5,决定系数(coefficient of determination,R^2)则达到了0.829。与传统方法相比,模型的预测误差降低了12.96%,而决定系数则提升了9.22%。结论该模型能够对精神科门诊量进行较为精准的预测,为实施精准化医疗和合理分配卫生资源提供了重要依据。展开更多
文摘目的建立精神科门诊量精准预测模型,为精神科医疗卫生资源的合理配置提供依据。方法构造了关键字的百度指数特征、时间特征以及门诊量特征三类特征,在此基础上提出了一种基于XGBoost算法的精神科门诊量预测模型。使用某三甲医院精神科24个月的门诊量进行训练,并对随后10个月的门诊量进行预测。结果当预测未来1 d内门诊人数时,均方根误差(root mean squared error,RMSE)仅为23.5,决定系数(coefficient of determination,R^2)则达到了0.829。与传统方法相比,模型的预测误差降低了12.96%,而决定系数则提升了9.22%。结论该模型能够对精神科门诊量进行较为精准的预测,为实施精准化医疗和合理分配卫生资源提供了重要依据。
