がん研究と免疫腫瘍学ジャーナル
オープンアクセス

概要

機械学習を使用して急性期後のケアを予測し、事前のケアによる遅延を最小限に抑える

アヴィシェク・チョードリー

目的:患者の医療保険の適用範囲は、急性期後ケア (PAC) の退院処置を決定する上で重要な役割を果たします。事前承認プロセスは PAC 退院処置を延期し、入院期間を延長し、患者の健康に影響を及ぼします。私たちの研究では、PAC 退院処置の早期予測のための予測分析を実施し、事前承認による延期、入院期間、入院費用を削減します。

方法: 25人の患者ケアファシリテーター（PCF）と2人の看護師（RN）が参加するグループディスカッションを実施し、初期の看護評価と退院記録から1600件の患者データ記録を取得しました。

結果:カイ二乗自動相互作用検出器 (CHAID) アルゴリズムにより、PAC 退院処置の早期予測が可能になり、事前の健康保険手続きが加速され、入院期間が平均 22.22% 短縮されました。このモデルは、全体的な精度が 84.16%、受信者動作特性 (ROC) 曲線の下の領域が 0.81 という結果を示しました。

結論: PAC 退院処置を早期に予測することで、承認プロセスを削減し、同時に以前の健康保険の入院期間と関連費用によって引き起こされる入院患者の PAC 遅延を最小限に抑えることができます。