基于机器学习的南京地区献血者精准招募方法的建立和应用

目的通过基于机器学习的方法,建立南京地区献血者精准招募模型并开展应用,以提高献血招募的效率和质量,招募更多的献血者,确保血液供应的安全性和充足性。方法对江苏省血液中心2017—2022年的献血和短信招募数据进行回顾性研究,利用极端梯度提升、支持向量机、K近邻算法、逻辑回归、决策树、随机森林、多层感知机等模型,并使用合成少数类过采样技术、下采样等多种采样技术,结合代价敏感方法(MFE、MSFE损失函数)进行训练,通过网格搜索选择性能较佳的机器学习模型。结果研究发现,机器学习模型对高意愿献血者招募成功率提升57.79%,机器学习模型可减少40.05%的短信发送数量,每条短信招募效率较常规方法平均提升12.26%,减少了短信发送数量,提高了每条短信的招募效率。结论机器学习算法可以对献血者进行精准识别,提高招募效率,减少不必要的短信发送,降低招募成本,为确保血液供应的安全性和充足性提供了有效的手段。