ارائه يك مدل جديد جهت پيش بيني پذيرش مجدد به دليل شرايط بحراني سلامتي

در اين مطالعه ما مواردي كه در پيش بيني مجدد بستري شدن وجود دارد را با روش هاي مختلف يادگيري ماشين مقايسه اي انجام مي دهيم و يك مدل براي احتمال و پيش بيني بستري شدن مجدد ايجاد مي كنيم. ما همچنين يك چارچوب براي اجراي مدل در حالت داده واقعي ارائه مي كنيم. اين مطالعه نشان داد كه مي تواند تفكيك مناسبي براي بيماران در معرض خطر پذيرش مجدد داشته باشد. در اين مطالعه يك روش براي ايجاد مدلي براي تشخيص امكان پذيرش مجدد بررسي شد و اين مدل مي تواند به بيمارستان ها در افزايش كيفيت درماني و فرآيند ترخيص كمك كند. پيش بيني پذيرش مجدد با توجه به ويژگي هاي مختلفي مانند، سن، جنس، نژاد، وضعيت پذيرش و ترخيص، مدت بستري بودن، تعداد روز حضور در ICU بيماري هاي ديگر بيمار، نوع مورد اورژانسي و غيره انجام شده است. براي انجام آناليز مي توان از آناليز حساس به هزينه و تكنيك تصادفي جنگلي براي كلاس بندي استفاده كرد. مدل ما با استفاده از اعتبار سنجي متقابل يكي از بهترين تكنيك ها است انجام شد. همچنين براي بيمارستان ها و اقدامات لازم براي كاهش نرخ بستري شده مجدد بيمار مناسب مي باشد.