机器学习模型辅助肿瘤手术高危患者筛查及预住院模式效果评价
弓玉红1
尚楠2
贺娅莎3
张绍果1
王文天4
杨壮4
杨露露4
刘艳梅1
高红梅1
赵婧媛5
周培斌6
1.山西医科大学第一医院住院部(太原 030001)2.山西医科大学第一医院药学部(太原 030001)3.山西医科大学第一医院病案室(太原 030001)4.山西医科大学第一医院运营部(太原 030001)5.山西医科大学第一医院团委(太原 030001)6.山西医科大学第一医院院长办公室(太原 030001)
摘要：目的 构建机器学习(ML)模型识别肿瘤患者住院资源消耗的风险因素,筛选高危患者实施预住院管理,评估其对住院时长与费用的影响.方法 回顾性收集2021年4月至2022年10月山西医科大学第一医院收治的肿瘤住院患者资料,采用Lasso回归进行特征筛选,构建ML模型识别影响住院时长与住院费用的关键因素,并利用SHAP值解释模型结果.基于建模结果,于2022年11月至12月构建风险因素筛查和预住院管理模式,于2023年1月至6月实施该管理模式并收集实施与未实施预住院管理的患者资料,采用倾向性评分匹配(PSM)控制组间基线差异,并使用因果森林(CF)评估预住院干预对住院费用与住院时间的影响.结果 共纳入5 211例肿瘤患者,构建的9种ML模型中CatBoost模型效果最优,肿瘤类型、术前等待天数和年龄为影响住院资源消耗的主要风险因素.基于构建模型共筛选了 698例患者纳入预住院管理,PSM后得到563对患者,CF分析结果显示,与对照组相比,接受预住院干预的患者平均住院时长显著缩短3.004[95％CI(-3.334,-2.675)]d,住院总费用平均减少1 473.124[95％CI(-2,166.093,-780.155)]元,表明预住院管理可有效改善住院资源利用效率.结论 对基于ML模型识别的高危人群开展预住院管理,能够显著缩短肿瘤患者住院时间、降低住院费用,对优化住院流程和资源配置具有积极意义.
关键词：预住院模式住院时长住院费用倾向性评分匹配机器学习高危肿瘤患者
分类号：R730.56(一般性问题)R197.3(卫生事业管理（保健组织与事业）)
资助基金：山西省人民政府重大决策咨询课题(WTD08)
论文发表日期：2025-09-25
在线出版日期：2025-11-10（本平台首次上网日期，不代表文献的发表时间）
页数：9( 987-995 )
英文信息