응급실(ED)의 과밀화는 전 세계적으로 오랫동안 문제가 되어 왔으며, 환자 만족도와 안전에 심각한 결과를 초래한다. 일반적으로 과밀화는 입원 병상을 기다리는 응급실 환자의 병상 배정 대기 시간(boarding time) 지연으로 인해 발생한다. 응급실에서 환자의 입원을 충분히 일찍 예측할 수 있다면, 입원 병상을 사전에 준비하여 병상 배정 대기 시간을 단축할 수 있다. 본 연구에서는 27,747명의 환자 데이터를 이용하여 기계학습 기반 입원 예측 모델을 설계하고 실험 결과를 비교하였다. 다섯 가지 예측 모델을 설계하였다: 1) 로지스틱 회귀, 2) XGBoost, 3) NGBoost, 4) 서포트 벡터 머신, 5) 의사결정 트리 모델. 예측 결과를 바탕으로, 응급실 및 병동에서 입원 예측이 미치는 정량적 효과를 추정하였다. 대한민국의 한 일반병원 응급실 데이터를 사용한 본 실험에서, 환자의 응급실 체류 시간은 평균 12.3분 단축될 수 있었고, 응급실은 연간 총 체류 시간을 340,147분 감소시킬 수 있는 것으로 나타났다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.