预测住院患者医疗索赔数据中的全因医院再入院

于红博

摘要: 减少可预防的医院再入院是支付者、提供者和政策制定者的全国优先事项，他们寻求改善医疗保健并降低成本。再入院率被用作确定医院提供的医疗保健质量的基准。在这个项目中，我们使用了逻辑回归、随机森林和支持向量机等机器学习技术来分析健康索赔数据，并确定在预测全因再入院中起关键作用的人口统计和医疗因素。由于健康索赔数据维度较高，我们使用主成分分析作为维度缩减技术，并将结果用于构建回归模型。我们基于曲线下面积（AUC）指标比较和评估了这些模型。随机森林模型表现最佳，其次是逻辑回归和支持向量机模型。这些模型可以用于识别导致再入院的关键因素，并帮助识别需要重点关注以减少再入院机会的患者，最终降低成本并提高向患者提供的医疗保健质量。

更新时间: 2025-10-30 06:54:19

领域: cs.LG,cs.AI

下载: http://arxiv.org/abs/2510.26188v1