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

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.

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.