基于机器学习的多参数监护仪维护需求预测分析方法

目的利用机器学习(ML)算法分析多参数监护仪质控数据集建立预测系统,并探讨其对下个质控周期多参数监护仪维护需求的预测效果。方法筛选2020年1月至2023年12月医院1500条多参数监护仪质控数据作为原始数据集,并按照8‥2比例划分为训练集和测试集,训练集数据1200条,测试集数据300条,对训练集数据集进行特征选择,生成4组子数据集。应用朴素贝叶斯(NB)、决策树(DT)、随机森林(RF)、k-最近邻(k-NN)和支持向量机(SVM)5种ML算法建立预测系统,并对下个质控周期多参数监护仪维护需求进行预测。结果以实际需要进行维护的多参数监护仪为准,5种ML算法预测多参数监护仪维护需求的平均精准率为96.73%,真阴性率为98.00%。结论应用ML算法可以有效预测多参数监护仪在下个质控周期的维护需求,为多参数监护仪的维护管理提供新方案。