基于大数据的30天非计划再入院精准预测模型

摘要：

　　目的：实现30天非计划再入院的精准预测。方法：对某医院患者信息进行整理，清洗和统计总结出具有统计学意义的医院信息系统数据，并对数据进行Logistic回归分析，引入了年龄和入院次数的关系函数。结果：统计数据表明，患者入院时年龄、性别、历史住院次数、疾病种类、住院天数、入院状态等十三项因素对30天非计划再入院有着显著的影响。再引入的关系函数将非计划再入院预测成功率从67％提高到84％，实现精准预测。结论：医院可利用有限的医疗数据，进行自我评测。利用该模型预测患者30天非计划再入院；大数据数据筛选过程中出现的数据冗杂、数据遗漏等问题需要进一步研究解决。

关键词： 大数据 Logistic回归分析 精准预测 30天非计划再入院 数据清洗

作者: 肖汉 李中郁

作者单位: 神州数码医疗科技股份有限公司,北京100080,北京市海淀区苏州街16号(神州数码大厦) 神州数码医疗科技股份有限公司

会议类型: 国内会议

会议名称: 2018中国医院协会信息网络大会

会议地点: 贵阳

会议语种:中文

页码: 71-75

在线出版日期: 2018-07-12（万方平台首次上网日期，不代表论文的发表时间）