目的:探讨基于DRGs入组患者的深度神经网络模型(DNN)预测非医嘱离院的效能。方法:选择2019年6月至2021年6月新疆医科大学第七附属医院经过DRGs筛选入组的10374份病案作为样本,根据患者出院方式,将病案分为医嘱离院组及非医嘱离院组,比...目的:探讨基于DRGs入组患者的深度神经网络模型(DNN)预测非医嘱离院的效能。方法:选择2019年6月至2021年6月新疆医科大学第七附属医院经过DRGs筛选入组的10374份病案作为样本,根据患者出院方式,将病案分为医嘱离院组及非医嘱离院组,比较两组相关资料间差异,基于Logistic回归分析及DNN建立非医嘱离院的预测模型并进行外部验证比较两种方式的预测效能。结果:非医嘱离院组患者年龄及未婚、外地、门诊入院、参加医保、大专以上学历占比均高于医嘱离院组患者,差异具有统计学意义(P<0.05)。非医嘱离院组患者住院天数、住院费用、自费金额、最后诊断总条目数、急性生理与慢性健康评分表及医院获得性感染、多重耐药菌感染、入住ICU占比高于医嘱离院患者,差异具有统计学意义(P<0.05)。神经网络模型的准确率、敏感度、特异度、阳性及阴性预测值显著高于Logistic模型,差异具有统计学意义(P<0.05)。DNN模型预测非医嘱离院发生风险的AUC均显著高于Logistic回归模型(0.937 vs. 0.718,Z=4.729,P<0.001)。结论:神经网络预测模型对于基于DRGs入组患者的非医嘱离院行为预测效能较好,对于临床工作具有一定的指导意义。展开更多
文摘目的:探讨基于DRGs入组患者的深度神经网络模型(DNN)预测非医嘱离院的效能。方法:选择2019年6月至2021年6月新疆医科大学第七附属医院经过DRGs筛选入组的10374份病案作为样本,根据患者出院方式,将病案分为医嘱离院组及非医嘱离院组,比较两组相关资料间差异,基于Logistic回归分析及DNN建立非医嘱离院的预测模型并进行外部验证比较两种方式的预测效能。结果:非医嘱离院组患者年龄及未婚、外地、门诊入院、参加医保、大专以上学历占比均高于医嘱离院组患者,差异具有统计学意义(P<0.05)。非医嘱离院组患者住院天数、住院费用、自费金额、最后诊断总条目数、急性生理与慢性健康评分表及医院获得性感染、多重耐药菌感染、入住ICU占比高于医嘱离院患者,差异具有统计学意义(P<0.05)。神经网络模型的准确率、敏感度、特异度、阳性及阴性预测值显著高于Logistic模型,差异具有统计学意义(P<0.05)。DNN模型预测非医嘱离院发生风险的AUC均显著高于Logistic回归模型(0.937 vs. 0.718,Z=4.729,P<0.001)。结论:神经网络预测模型对于基于DRGs入组患者的非医嘱离院行为预测效能较好,对于临床工作具有一定的指导意义。