[发明专利]一种基于数据驱动的再入院风险及住院时间风险评估模型

说明书

本发明公开了一种基于数据驱动的再入院风险及住院时间风险评估模型，在第一阶段，再入院预测模型是对一个病例是“可避免的入院”还是“不可避免的再入院”进行分类预测，在第二阶段，对于可避免的住院患者，采取干预措施防止其再入院，可有效降低医院成本。针对不可避免的住院病人，提出住院时间预测模型，预测其再入院的住院时间，以改善医疗资源的调度和管理，并且确定了患者再入院和LOS的风险因素，提高医生诊断效率，提高患者满意度，完善患者临床数据库，从而提高医院医疗服务水平和效率，以提供更精确的再入院预测，同时对指导实践具有重要意义。

技术领域

本发明属于风险评估技术领域，具体涉及一种基于数据驱动的再入院风险及住院时间风险评估模型。

背景技术

近年来，生活环境(雾霾、全球变暖等)和生活条件(吸烟、肥胖等)影响了人们的健康。随着人民生活水平的不断提高，人们对卫生保健的需求大大增加。随着互联网、计算机技术和云计算技术的快速发展，智能医疗和医疗数字化将成为公共卫生和医院管理行业的发展趋势。随着医疗数字化的发展，医疗数据的采集效率大大提高，不仅包括患者人群基础临床信息、可用的医疗信息资源、患者治疗信息。有效的医疗数据积累在数据量上不仅呈指数增长，而且数据的复杂性也在不断增加，如何有效地从大数据中挖掘有价值的信息从而提高医疗服务水平显得尤为重要。基于医疗大数据，利用大数据技术(数据挖掘、人工智能、机器学习等)有效优化患者就医流程，提高医生诊断效率，提高患者满意度，完善患者临床数据库，从而提高医院医疗服务水平和效率。

再入院是医疗保健系统中常见的问题之一，是医疗系统成本的主要来源，直接影响医疗服务效率和床位周转。重新接纳率是目前用于医学研究作为一个重要的指标来衡量医疗服务的效率和质量,反映医院的第一次手术的影响,重新接纳率和高意味着更多的病人有一个贫穷的响应之前的住院,出院后反复发作,或治疗时间不足。近年来，各种流行病学和慢性病的再入院率呈上升趋势，其中30天再入院率，即出院后30天内的再入院率，得到了广泛的研究。在美国，大约20%的病人在出院后30天内再次入院，每年的费用约为170亿美元。然而，医疗保险支付咨询委员会估计，大约75%的患者再入院是可以有效预防或避免的。

对于医院而言，识别可避免的再入院事件并采取干预措施，可以有效提高医院财务管理水平。然而，仅仅确定可避免的再入院是不够的。目前，住院患者数量显著增加，医院容量不足、床位不足、护士与患者的比例不足，往往导致医院运行效率低下。在传统方式下，通过增加医院容量、增加医生数量等措施可以缓解医疗资源短缺的问题，但单纯依靠这些措施不现实、不经济，短期内难以实现。因此，对于不可避免的再入院患者，准确预测住院时间(LOS)是非常必要的，有利于医疗资源调度，提高医院运行效率，实现医院资源的可持续利用。此外，患者费用与住院时间之间存在很强的相关性，准确的预测有助于计算治疗相关费用。

发明内容

本发明的目的在于提供一种基于数据驱动的再入院风险及住院时间风险评估模型，为了建立性能优良、泛化能力强的患者再入院和住院时间预测模型，提高医生诊断效率，提高患者满意度，完善患者临床数据库，从而提高医院医疗服务水平和效率。

为实现上述目的，本发明提供如下技术方案：

一种基于数据驱动的再入院风险及住院时间风险评估模型，包括再入院测试模型和电子病历数据库，其特征在于：所述再入院测试模型由病人实行，且所述再入院测试模型分别连接可避免再入院单元和不可避免再入院单元，所述可避免再入院单元连接社区护理单元，所述不可避免再入院单元连接入院时间预测模块，所述入院时间预测模块连接再次入院时间确认单元，所述电子病历数据库连接于数据清洗模块，所述数据清洗模块分别连接于目标变量定义单元，所述目标变量定义单元分别连接于确定影响再入院因素模块和确定影响入院时间因素模块，所述确定影响再入院因素模块和确定影响入院时间因素模块连接于训练并测试模型单元，所述训练并测试模型单元连接于模型评估模块，所述模型评估模块连接于模型可解释模块。