静脉血栓栓塞症患者住院时间机器学习预测模型的建立

摘要

目的 通过比较5种监督学习算法在预测静脉血栓栓塞症(VTE)患者住院时间方面的性能，开发一个有效的机器学习预测模型，以深入理解影响VTE患者住院时长的因素。方法 研究西安交通大学第一附属医院2018年至2023年间收集的1 854例VTE患者数据，涵盖数据预处理、缺失数据处理、属性编码、数据简化、模型构建和模型测试等6个核心步骤。采用5种机器学习算法进行模型训练和比较。结果 支持向量机(SVM)模型在预测住院时长方面表现最佳，准确率高达94.53%。通过分析发现，血红蛋白、心脏病、年龄、高血压和肌酐是影响住院时长的主要因素。此外药物使用也显示出对住院时长有显著影响。结论 本研究成功开发了一个基于SVM的预测模型，能够准确预测VTE患者的住院时间。该模型不仅为医院提供了优化床位资源配置和运营效率的工具，也为患者提供了更好的治疗规划和时间安排支持。

关键词

静脉血栓栓塞症(VTE) / 人工智能 / 住院时间预测 / 机器学习 / 医疗管理优化

基金资助

国家卫生健康委医院管理研究所2024年医疗人工智能临床应用研究课题(No.YLXX24AIA021)