县域级基于机器学习的精准招募方法的建立

摘要

目的 建立县域级基于机器学习的献血者精准招募模型，并验证该方法的可推广性与普适性。方法 采用回顾性设计，分析苏州市中心血站太仓分站2019—2024年的献血与短信招募数据；综合运用多种机器学习算法，包括极端梯度提升、支持向量机、K近邻、逻辑回归、决策树、随机森林及多层感知机，并结合合成少数类过采样、欠采样及代价敏感(MFE、MSFE损失函数)等方法；通过网格搜索调参以筛选性能最佳的模型。结果 研究发现，在与常规方法对照的前瞻性研究中，机器学习模型可使高意愿献血者的招募成功率平均提升129.15%,每条短信的平均招募效率较传统方法提高125.02%;在全量短信发送条件下，短信招募率平均提升42.61%,短信发送效率提高31.77%,提高了短信的招募效率。结论 本研究为国内首个在县级市层面上开展的基于机器学习的献血者精准招募研究。基于机器学习的精准招募框架不仅能够提升招募效率，降低招募成本，还具有可推广性与普适性，为实现血液供应的安全性与可持续性提供了1种科学且可行的智慧献血路径。

关键词

献血者 / 短信 / 精准招募 / 机器学习 / 人工智能