Predicting emergency department patient flow and stage-specific early critical illness identification
연구 내용
응급실 혼잡과 입원 지연 문제를 해결하기 위해 조기 입원 예측 및 단계별 중증도 예측 모델을 구축하고 의료자원 배분 효과를 추정하는 연구
응급실 overcrowding을 유발하는 입원 대기 지연을 줄이기 위해, 응급실 내 조기 입원 예측과 중증도 단계별 예측을 기계학습으로 수행합니다. 로지스틱 회귀, XGBoost, NGBoost, support vector machine, decision tree 등 다양한 모델을 비교하고, 예측 결과를 기반으로 병동 준비와 체류시간 변화의 효과를 정량적으로 추정합니다. 또한 community, paramedic, hospital 단계별로 사용 가능한 변수를 반영해 Random forest와 LightGBM 모델을 개발하여 적절한 병원 안내와 자원 배분 시뮬레이션으로 연결하는 차별성을 보유하고 있습니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 응급실에서의 조기 hospitalization prediction이 진료 운영에 미치는 benefits와 costs를 분석하는 연구를 수행했습니다. 이후 응급실 방문 전후의 정보를 단계별로 나누어 critical illness를 조기 식별하도록 확장했습니다. 특히 community 및 paramedic 단계에서 확보 가능한 변수로도 예측 성능을 확인하고, hospital 단계로 갈수록 목표 변수를 반영하는 구조를 적용했습니다. 그 결과 중증도에 따른 환자 라우팅과 제한된 의료자원의 운영 개선을 위한 시뮬레이션 방향을 제시하는 흐름으로 축적되었습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Analysis on Benefits and Costs of Machine Learning-Based Early Hospitalization Prediction
Machine Learning-Based Models for Prediction of Critical Illness at Community, Paramedic, and Hospital Stages