大数据背景下医院门诊挂号预约爽约行为预测研究

摘要

目的 了解目前医院预约诊疗服务中患者爽约行为的现状,探讨和鉴别患者爽约的关键特征,运用这些特征建立机器学习算法模型预测未来患者爽约行为.方法 挖掘2018年河北省某大型三甲医院预约大数据,首先用Stata采取传统Logistic回归找出患者爽约的显著因子,再将数据划分为训练集和预测集,采用SVM、决策树、随机森林和BP神经网络等不同模型学习训练患者爽约行为和特征,检验每种算法对患者爽约预测的准确率.结果 目前医院患者预约爽约率为16.16％,Logistic回归分析显示年龄、性别、预约时间和预约科室是爽约行为的关键性特征;使用这些特征进行机器学习和预测能取得较好效果,SVM、决策树、随机森林和BP神经网络各个算法准确率均超过75％,其中SVM和BP神经网络准确率最高,是该特定情境下的最优算法.结论 我国大型三甲医院预约诊疗服务有待进一步加强,在大数据时代的背景下,机器学习方法可为医院预测并降低爽约率提供强有力支持.