本發(fā)明涉及機(jī)器學(xué)習(xí)技術(shù)，特別涉及基于機(jī)器學(xué)習(xí)的住院資源調(diào)配技術(shù)。

背景技術(shù)：

1、周末效應(yīng)是由非工作時(shí)間內(nèi)患者病情嚴(yán)重程度、治療方案和醫(yī)療資源分配差異引發(fā)的。目前國(guó)內(nèi)外醫(yī)療制度政策導(dǎo)致受周末效應(yīng)普遍存在，然而現(xiàn)有研究仍留有諸多未探究之處，特別是在針對(duì)特定疾病、病人群體或醫(yī)療服務(wù)領(lǐng)域中周末效應(yīng)的具體影響。傳統(tǒng)的流行病學(xué)統(tǒng)計(jì)分析手段和薈萃分析雖已用于研究周末效應(yīng)，但在明確原因上仍存在不足，對(duì)醫(yī)療資源的利用效率也較低。隨著對(duì)周末效應(yīng)及其潛在原因的深入理解，傳統(tǒng)的統(tǒng)計(jì)分析方法可能無(wú)法充分捕捉到這一復(fù)雜現(xiàn)象背后的動(dòng)態(tài)變化和因果關(guān)系。周末效應(yīng)涉及多種復(fù)雜因素，包括患者的病情變化、醫(yī)院的資源分配、醫(yī)護(hù)人員的工作狀態(tài)等，這些因素在時(shí)間和空間上都存在顯著的異質(zhì)性。為了更全面地理解和預(yù)測(cè)周末效應(yīng)對(duì)住院資源調(diào)配的影響，需要采用更為先進(jìn)的分析方法。

2、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)在醫(yī)療數(shù)據(jù)分析領(lǐng)域展現(xiàn)出巨大的潛力。這些技術(shù)不僅能夠處理大量復(fù)雜的醫(yī)療數(shù)據(jù)，還能夠通過(guò)模型訓(xùn)練自動(dòng)捕捉數(shù)據(jù)中的潛在模式和因果關(guān)系。然而，現(xiàn)有的研究多集中于特定病種或單一因素的影響，缺乏對(duì)周末效應(yīng)這一綜合性問(wèn)題的系統(tǒng)研究。利用機(jī)器學(xué)習(xí)技術(shù)，結(jié)合因果推斷和時(shí)間序列分析方法，可以更準(zhǔn)確地識(shí)別出影響住院患者臨床結(jié)果的關(guān)鍵因素及其相互作用關(guān)系，從而提供更加精確的預(yù)測(cè)和更具指導(dǎo)性的住院資源調(diào)配支持。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問(wèn)題是，針對(duì)周末效應(yīng)對(duì)住院患者臨床結(jié)果的影響尚未明確的難題，提供一種通過(guò)預(yù)測(cè)患者的離院方式，從而完善住院資源調(diào)配的方法。

2、本發(fā)明為解決上述技術(shù)問(wèn)題所采用的技術(shù)方案是，基于機(jī)器學(xué)習(xí)的周末效應(yīng)下住院資源調(diào)配方法，包括步驟：

3、數(shù)據(jù)收集和預(yù)處理步驟：從醫(yī)療服務(wù)數(shù)據(jù)庫(kù)中按日期順序收集住院患者數(shù)據(jù)，對(duì)住院患者數(shù)據(jù)中的日期變量標(biāo)記工作日與非工作日；住院患者數(shù)據(jù)包括患者的個(gè)人信息、入院時(shí)期的數(shù)據(jù)、手術(shù)時(shí)期的數(shù)據(jù)以及離院時(shí)期的數(shù)據(jù)；

4、關(guān)鍵特征選擇步驟：利用隨機(jī)森林算法通過(guò)構(gòu)建決策樹對(duì)住院患者數(shù)據(jù)中患者的；住院患者數(shù)據(jù)的每個(gè)變量進(jìn)行重要性評(píng)估，識(shí)別出影響離院方式的關(guān)鍵變量作為關(guān)鍵特征；

5、因果關(guān)系特征選擇步驟：基于選定的關(guān)鍵特征-離院方式，構(gòu)建貝葉斯因果網(wǎng)絡(luò)，探索包含有周末效應(yīng)的關(guān)鍵特征與離院方式的因果關(guān)系，使用基于決策樹的因果森林模型關(guān)鍵特征之間的非線性關(guān)系和交互作用，得到預(yù)測(cè)周末效應(yīng)下住院患者離院方式的因果關(guān)系特征；

6、時(shí)間序列特征生成步驟：利用住院患者數(shù)據(jù)中入院時(shí)期的數(shù)據(jù)、手術(shù)時(shí)期的數(shù)據(jù)以及離院時(shí)期的數(shù)據(jù)組成的時(shí)間序列數(shù)據(jù)對(duì)向量自回歸模型進(jìn)行訓(xùn)練，向量自回歸模型學(xué)習(xí)捕捉入院時(shí)期、手術(shù)時(shí)期、離院時(shí)期中各時(shí)間點(diǎn)上各變量的動(dòng)態(tài)變化關(guān)系，應(yīng)用動(dòng)態(tài)時(shí)間規(guī)整技術(shù)衡量不同患者入院和手術(shù)過(guò)程的相似性，訓(xùn)練完成的向量自回歸模型用于接收輸入的住院患者的入院時(shí)期和手術(shù)時(shí)期的時(shí)間序列數(shù)據(jù)，計(jì)算各住院患者在時(shí)間序列上的相似程度，輸出每位患者對(duì)應(yīng)的一組入院-手術(shù)-離院方式的時(shí)間序列特征；

7、離院方式預(yù)測(cè)步驟：合并關(guān)鍵特征、因果關(guān)系特征和時(shí)間序列特征，并對(duì)合并后的特征進(jìn)行預(yù)處理，再將預(yù)處理后的特征輸入至長(zhǎng)短期記憶網(wǎng)絡(luò)，長(zhǎng)短期記憶網(wǎng)絡(luò)輸出每個(gè)時(shí)間步的時(shí)序特征至全連接層；全連接層基于輸入的時(shí)序特征，輸出預(yù)測(cè)的每個(gè)時(shí)間步的離院方式；

8、住院資源調(diào)配步驟：根據(jù)預(yù)測(cè)的離院方式進(jìn)行住院資源調(diào)配。

9、本發(fā)明通過(guò)綜合應(yīng)用隨機(jī)森林算法、貝葉斯因果網(wǎng)絡(luò)、因果森林、向量自回歸var模型、動(dòng)態(tài)時(shí)間規(guī)整dtw技術(shù)和長(zhǎng)短期記憶網(wǎng)絡(luò)lstm模型，構(gòu)建的離院方式的預(yù)測(cè)方案在特征選擇、因果關(guān)系分析和時(shí)間序列特征提取等方面表現(xiàn)出色，顯著提升了預(yù)測(cè)的準(zhǔn)確度、精確度、召回率和f1分?jǐn)?shù)，為之后的住院資源調(diào)配提供可靠基礎(chǔ)。

10、本發(fā)明的有益效果是，在預(yù)測(cè)患者離院方式方面表現(xiàn)出卓越的有效性，能夠從大量臨床數(shù)據(jù)中有效提取和識(shí)別關(guān)鍵特征。不僅具有更準(zhǔn)確的離院方式預(yù)測(cè)能力，還能夠快速適應(yīng)新的數(shù)據(jù)情況。在處理驗(yàn)證階段的未知數(shù)據(jù)時(shí)保持了高準(zhǔn)確性，展現(xiàn)出良好的適應(yīng)性和泛化能力。在多樣化的住院患者數(shù)據(jù)上，本發(fā)明能夠保持準(zhǔn)確和穩(wěn)定的預(yù)測(cè)能力，有效提升醫(yī)療服務(wù)的效率和質(zhì)量，特別是在應(yīng)對(duì)周末效應(yīng)的情況下，降低了患者離院方式預(yù)測(cè)的風(fēng)險(xiǎn)，支持更科學(xué)的臨床決策和醫(yī)療管理，減少醫(yī)療資源的浪費(fèi)，降低成本。

技術(shù)特征：

1.基于機(jī)器學(xué)習(xí)的周末效應(yīng)下住院資源調(diào)配方法，其特征在于，包括步驟：

2.如權(quán)利要求1所述方法，其特征在于，對(duì)合并后的特征進(jìn)行預(yù)處理的具體方式為：將合并關(guān)鍵特征、因果關(guān)系特征和時(shí)間序列特征中的變量按照入院時(shí)間點(diǎn)、手術(shù)時(shí)間點(diǎn)和離院時(shí)間點(diǎn)對(duì)齊；再對(duì)特征數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，統(tǒng)一特征的量綱。

3.如權(quán)利要求1所述方法，其特征在于，入院時(shí)期的數(shù)據(jù)包括患者的入院日期、入院途徑、入院類型、是否st段抬高型心肌梗死stemi、入院診斷、入院情況和病例分型。

4.如權(quán)利要求1所述方法，其特征在于，手術(shù)時(shí)期的數(shù)據(jù)包括手術(shù)日期、擇期手術(shù)、手術(shù)級(jí)別和手術(shù)相關(guān)信息。

5.如權(quán)利要求1所述方法，其特征在于，離院時(shí)期的數(shù)據(jù)包括包括離院日期和離院方式。

6.如權(quán)利要求1所述方法，其特征在于，包含有周末效應(yīng)的關(guān)鍵特征包括入院日期、入院途徑和手術(shù)日期。

7.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序/指令，其特征在于，該計(jì)算機(jī)程序/指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1所述方法的步驟。

技術(shù)總結(jié)
本發(fā)明提供一種基于機(jī)器學(xué)習(xí)的周末效應(yīng)下住院資源調(diào)配方法，使用機(jī)器學(xué)習(xí)方法構(gòu)建的周末效應(yīng)下住院患者離院方式預(yù)測(cè)框架，從而完成對(duì)住院資源的調(diào)配。先利用隨機(jī)森林算法識(shí)別出影響離院方式的關(guān)鍵因素；利用貝葉斯因果網(wǎng)絡(luò)和因果森林模型探索關(guān)鍵因素之間的因果關(guān)系；再利用向量自回歸模型分析時(shí)間序列數(shù)據(jù)，捕捉各變量之間的動(dòng)態(tài)關(guān)系，應(yīng)用動(dòng)態(tài)時(shí)間規(guī)整技術(shù)衡量不同患者入院和手術(shù)過(guò)程的相似性，生成時(shí)間序列相似性特征；將關(guān)鍵特征、因果關(guān)系特征和時(shí)間序列特征進(jìn)行合并輸入到長(zhǎng)短期記憶網(wǎng)絡(luò)模型中，輸出患者的離院方式，長(zhǎng)短期記憶網(wǎng)絡(luò)模型能夠處理復(fù)雜的時(shí)序數(shù)據(jù)，提高預(yù)測(cè)的準(zhǔn)確性，為完善住院資源調(diào)配提供基礎(chǔ)。

技術(shù)研發(fā)人員：劉天釗,何金芝,梁巖,林創(chuàng)鵬,賈晨陽(yáng),劉海隆
受保護(hù)的技術(shù)使用者：電子科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26