Santé
❯
Gestion des patients
❯Gestion des hopitaux
❯Triage basé sur l'apprentissage automatique pour déterminer les patients de faible gravité qui peuvent être accélérés jusqu'à l'admission aux urgences en raison de leur courte durée de sortie
Outils de gestion hospitalière
Pour:
Administrateur d'hôpital
But:
Fouille de données temporelles, visualisation
Objectif:
Améliorer l'efficacité des opérations
Génération de parcours cliniques
Pour:
Personnel infirmier
But:
Arbre de décision, clustering
Objectif:
Améliorer l'efficacité des opérations
Triage basé sur l'apprentissage automatique pour déterminer les patients de faible gravité qui peuvent être accélérés jusqu'à l'admission aux urgences en raison de leur courte durée de sortie
Pour:
Services d'urgence dans les hôpitaux.
Objectif:
Amélioration de l'efficacité des employés
Classificateur de résumé de décharge
Pour:
Le personnel médical
But:
Arbre de décision, forêt aléatoire, SVM, BNN, apprentissage profond
Objectif:
Améliorer l'efficacité des opérations
Service d'assistance aux patients et d'informations médicales en temps réel appliquant un système de dialogue parlé
Pour:
Dentiste Hôpital
But:
Système de soutien aux entreprises médicales utilisant une technologie d'interface homme-ordinateur basée sur l'intelligence artificielle.
Objectif:
Autre
Triage basé sur l'apprentissage automatique pour déterminer les patients de faible gravité qui peuvent être accélérés jusqu'à l'admission aux urgences en raison de leur courte durée de sortie
Pour:
Services d'urgence dans les hôpitaux.Objectif:
Amélioration de l'efficacité des employésProblème adressé
La surpopulation dans les services d'urgence (ED) est un problème critique dans le monde entier, et le streaming peut réduire la surpopulation pour améliorer les flux de patients. Parmi les échelles de triage, les patients étiquetés « niveau de triage 3 » ou « urgent » constituent généralement la majorité, mais il n'y a pas de critère uniforme pour classer les patients à faible gravité dans cette population diversifiée. L'objectif était d'établir un modèle d'apprentissage automatique pour la prédiction des patients à faible gravité avec une courte durée de séjour à la sortie. Ces patients pourraient ensuite être accélérés vers l'admission et la sortie.
Description
Une validation interne et externe a dû être effectuée afin de construire et de tester le modèle. Un ensemble de données de janvier 2018 à décembre 2018 du China Medical University Hospital (CMUH) a été utilisé pour la construction du modèle et la validation interne, et un autre de janvier 2018 à décembre 2019 de l'Asia University Hospital (AUH) a été appliqué pour la validation externe.
Données brutes
IA: Percevoir
Apprentissage automatique
IA: Comprendre
Aide à la décision - Prédire / Prévoir
IA: Agir