基于机器学习的再入院预测

摘要

目的：为了预测住院病人是否会在短时间内再入院,提出了基于机器学习的再入院预测方法.方法：通过选取合适的数据集,利用ICD-10诊断相关组编码(DRGs)等信息,选择合适的机器学习算法,训练预测病人短时间内再入院的概率.结果：通过训练测试分类器的正确肯定率与错误肯定率得到的ROC曲线,对比逻辑回归、随机森林和支持向量机三种分类器的性能指标,发现随机森林对复杂数据有良好的适应性,实验所得AUC均值更高,更适合应用于再入院的预测.结论：基于机器学习的再入院预测,可以提高医院的医疗和管理水平,降低病人因同种疾病短时间内再入院的数量.