• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于LightGBM多階段醫(yī)療服務(wù)等待時(shí)間的預(yù)測(cè)研究

    2023-01-31 09:42:44黃益槐韓樂(lè)奇吳成宇
    關(guān)鍵詞:等待時(shí)間隊(duì)列科室

    彭 俊 項(xiàng) 薇,2* 謝 勇,3 黃益槐 韓樂(lè)奇 吳成宇

    1(寧波大學(xué)機(jī)械工程與力學(xué)學(xué)院 浙江 寧波 315211) 2(寧波大學(xué)先進(jìn)儲(chǔ)能技術(shù)與裝備研究院 浙江 寧波 315211) 3(撫州幼兒師范高等??茖W(xué)校 江西 撫州 344099)

    0 引 言

    我國(guó)三甲醫(yī)院門(mén)診就診中普遍存在“三長(zhǎng)一短”的問(wèn)題,即“掛號(hào)排隊(duì)時(shí)間長(zhǎng)、看病等候時(shí)間長(zhǎng)、取藥排隊(duì)時(shí)間長(zhǎng)、醫(yī)生問(wèn)診時(shí)間短”。有學(xué)者統(tǒng)計(jì)研究表明門(mén)診患者的醫(yī)療診治時(shí)間僅占有門(mén)診總時(shí)間的10%~15%[1]。這其中的“三長(zhǎng)”極大影響患者對(duì)醫(yī)院醫(yī)療服務(wù)滿意度,也直接造成患者就診過(guò)程排隊(duì)擁堵現(xiàn)象,影響醫(yī)療機(jī)構(gòu)的正常運(yùn)作管理。

    基于不斷增長(zhǎng)的醫(yī)療需求的影響,就診排隊(duì)等待現(xiàn)象似乎不可避免。目前,患者和醫(yī)院依然存在信息不對(duì)稱的情況,特別是當(dāng)患者需要進(jìn)行多項(xiàng)檢查及診治服務(wù)時(shí),患者無(wú)法獲得各科室實(shí)時(shí)就診信息,僅依靠經(jīng)驗(yàn)選擇就診項(xiàng)目進(jìn)行排隊(duì)等待。應(yīng)用預(yù)測(cè)分析技術(shù)可以為醫(yī)院過(guò)度擁擠提供一個(gè)解決方案[2-3],把預(yù)測(cè)出的等待時(shí)間等信息通過(guò)電子屏幕等移動(dòng)設(shè)備發(fā)布給患者,增強(qiáng)患者就診體驗(yàn),緩解患者因?yàn)榻辜碑a(chǎn)生等待的焦慮,從而提高其滿意度。

    針對(duì)醫(yī)療服務(wù)等待時(shí)間預(yù)測(cè)問(wèn)題,依據(jù)其復(fù)雜性,可提煉成單一服務(wù)階段等待時(shí)間預(yù)測(cè)與多階段服務(wù)等待時(shí)間預(yù)測(cè)這兩類問(wèn)題。單階段等待時(shí)間預(yù)測(cè)是指這類患者需要知道當(dāng)前所在科室的實(shí)時(shí)等待信息,該患者已經(jīng)在該科室的隊(duì)列中,我們需要預(yù)測(cè)該患者所在科室隊(duì)列的實(shí)時(shí)等待時(shí)間;多階段服務(wù)等待時(shí)間預(yù)測(cè)是指這類患者需要接受系列的就診服務(wù),過(guò)程中有多重排隊(duì)隊(duì)列選擇,不僅需要知道當(dāng)前所在科室的實(shí)時(shí)等待信息,還需要獲取下一流程所在科室的等待信息乃至在醫(yī)院的總逗留時(shí)長(zhǎng)。通過(guò)文獻(xiàn)綜述發(fā)現(xiàn),現(xiàn)有的服務(wù)等待時(shí)間預(yù)測(cè)研究主要為單階段等待時(shí)間預(yù)測(cè),少有針對(duì)多階段服務(wù)等待時(shí)間預(yù)測(cè)的相關(guān)文獻(xiàn)。

    國(guó)內(nèi)學(xué)者朱啟東[4]基于科室、掛號(hào)時(shí)間、是否為工作日、月份、醫(yī)生、同科室候診人數(shù)、當(dāng)天本科室掛號(hào)總?cè)藬?shù)和是否為節(jié)假日8個(gè)變量建立BP神經(jīng)網(wǎng)絡(luò)患者候診時(shí)間預(yù)測(cè)模型。張會(huì)會(huì)[5]基于醫(yī)療信息系統(tǒng)數(shù)據(jù)將星期、是否周末、科室、卡號(hào)類型、卡號(hào)類型、預(yù)約時(shí)段等變量提取出來(lái),分別利用線性回歸、Lasso回歸、隨機(jī)森林回歸、K最近鄰回歸四種方法建立患者等待時(shí)間預(yù)測(cè)模型,隨機(jī)森林和K最近鄰回歸精度最高,平均絕對(duì)誤差低至13分鐘左右。何躍等[6]將患者掛號(hào)月份、時(shí)間段、科室隊(duì)列人數(shù)和科室隊(duì)列流速作為預(yù)測(cè)模型的自變量,建立基于BP神經(jīng)網(wǎng)絡(luò)急診科室患者等待時(shí)間預(yù)測(cè)模型,其研究顯示隊(duì)列流速對(duì)患者等待時(shí)間影響較小。

    國(guó)外研究主要側(cè)重于急診科室患者等待時(shí)間的預(yù)測(cè),與之相關(guān)的文獻(xiàn)采用了大量的統(tǒng)計(jì)方法。Austin等[7]基于患者年齡、性別、患者緊急情況、病情程度、是否為工作日等15個(gè)變量使用分位數(shù)回歸模型預(yù)測(cè)患者在請(qǐng)求急診服務(wù)科多久到達(dá)醫(yī)院。Poole等[8]使用正則化模型(Ridge and Lasso)和隨機(jī)森林回歸預(yù)測(cè)患者急診候診時(shí)間。Champion等[9]通過(guò)使用簡(jiǎn)單的移動(dòng)平均、滾動(dòng)平均方法計(jì)算出等待時(shí)間的算術(shù)平均值來(lái)構(gòu)建預(yù)測(cè)模型。Pianykh等[10]將科室隊(duì)列人數(shù)、最近的3位病人平均等待時(shí)間、隊(duì)列流速等作為輸入變量,建立線性回歸模型預(yù)測(cè)患者等待時(shí)間。Ang等[11]使用正則化回歸模型預(yù)測(cè)病情較輕患者等待時(shí)間。Arha[12]基于時(shí)間類變量(如這一天是星期幾、患者幾點(diǎn)到達(dá)等)、急診科室快速通道的狀態(tài)、患者類型、患者地點(diǎn)位置等變量,構(gòu)建基于正則化回歸方法(Lasso、Ridge、Elastic Net、SCAD和MCP)和隨機(jī)森林的患者等待時(shí)間預(yù)測(cè)模型。

    綜上所述,總結(jié)對(duì)患者等待時(shí)間統(tǒng)計(jì)建模輸入的變量:主要可分為時(shí)間類、患者類型、科室類型、掛號(hào)方式、地點(diǎn)位置5類變量,具體如表1所示。現(xiàn)有的研究主要采用移動(dòng)平均、回歸分析和神經(jīng)網(wǎng)絡(luò)三類算法,具體如圖1所示。移動(dòng)平均模型僅利用本身的歷史數(shù)據(jù)進(jìn)行預(yù)測(cè),數(shù)據(jù)需求簡(jiǎn)單,但也因此忽略了其他因素的影響;神經(jīng)網(wǎng)絡(luò)算法可解釋性較差同時(shí)需要大量的歷史數(shù)據(jù);而經(jīng)典的回歸分析方法如正則化方法、分位數(shù)回歸、K最近鄰、決策樹(shù)等預(yù)測(cè)技術(shù)由于欠擬合導(dǎo)致預(yù)測(cè)性能欠佳,同時(shí)也不適用在大數(shù)據(jù)樣本的預(yù)測(cè)。本文將選取醫(yī)療服務(wù)等待時(shí)間的預(yù)測(cè)問(wèn)題為研究對(duì)象,引入基于LightGBM算法實(shí)現(xiàn)多階段服務(wù)等待時(shí)間的預(yù)測(cè)。

    表1 統(tǒng)計(jì)預(yù)測(cè)建模輸入變量

    圖1 統(tǒng)計(jì)學(xué)習(xí)預(yù)測(cè)方法

    1 相關(guān)方法

    1.1 LightGBM原理

    LightGBM算法屬于Boosting集成算法中的一種,Boosting是機(jī)器學(xué)習(xí)中集成學(xué)習(xí)算法的一個(gè)分支,是目前經(jīng)典的用于預(yù)測(cè)的機(jī)器學(xué)習(xí)算法,由Schapire[13]提出,其主要思想是將多個(gè)弱監(jiān)督學(xué)習(xí)模型進(jìn)行有機(jī)組合得到一個(gè)性能更好更全面強(qiáng)監(jiān)督學(xué)習(xí)模型,即便是某一個(gè)弱學(xué)習(xí)器得到了錯(cuò)誤的預(yù)測(cè),其他的弱學(xué)習(xí)器也可以將錯(cuò)誤糾正。常見(jiàn)的機(jī)器學(xué)習(xí)Boosting集成算法有Adaboost、GBDT、XGBoost和LightGBM。Adaboost和GBDT都是經(jīng)典的Boosting決策樹(shù)算法,XGBoost在GBDT基礎(chǔ)上進(jìn)行了一定改進(jìn),使其性能得到提升。XGBoost算法雖然強(qiáng)大,但是由于XGBoost算法迭代次數(shù)和特征維度有很大關(guān)系,當(dāng)樣本數(shù)據(jù)維度增加,每次迭代需要遍歷全部的數(shù)據(jù)樣本,在這種情況下XGBoost算法效率顯著降低。為了應(yīng)對(duì)大數(shù)據(jù)樣本的挑戰(zhàn),還需要對(duì)XGBoost進(jìn)行優(yōu)化。LightGBM是微軟2017年提出的新的Boosting框架模型[14],LightGBM算法在XGBoost基礎(chǔ)上進(jìn)一步進(jìn)行了以下改進(jìn):

    (1) 梯度單邊采樣技術(shù):梯度單邊采樣技術(shù)(Gradient-based One-Side Sampling,GOSS)可以剔除很大一部分梯度很小的數(shù)據(jù),只使用剩余的數(shù)據(jù)來(lái)估計(jì)信息增益,從而避免低梯度長(zhǎng)尾部分的影響。由于梯度大的數(shù)據(jù)對(duì)信息增益更加重要,所以GOSS技術(shù)在較之傳統(tǒng)GBDT少很多的數(shù)據(jù)前提下仍然可以取得相當(dāng)高的預(yù)測(cè)精度[15]。

    (2) 獨(dú)立特征合并技術(shù)和直方圖算法:獨(dú)立特征合并技術(shù)(Exclusive Feature Bundling,EFB)實(shí)現(xiàn)互斥特征的捆綁,以減少特征的數(shù)量,因?yàn)樵诟呔S特征的數(shù)據(jù)樣本中,很多樣本的特征存在互斥的情況,EFB技術(shù)識(shí)別并對(duì)這些特征進(jìn)行捆綁。另外,在GBDT和XGBoost算法中,最耗時(shí)的步驟是利用預(yù)排序(Pre-Sorted)的方式在排好序的特征值上枚舉所有可能的特征點(diǎn),然后找到最優(yōu)劃分點(diǎn),而LightGBM中使用直方圖算法替換了傳統(tǒng)的Pre-Sorted以減少對(duì)內(nèi)存的消耗,直方圖算法的思路是將連續(xù)的特征值進(jìn)行裝箱處理,裝箱處理其實(shí)就是離散化連續(xù)的特征值,而對(duì)于類別特征,一種取值就是一個(gè)箱,這樣處理的好處是在節(jié)點(diǎn)分裂時(shí),XGBoost和GBDT中需要遍歷所有離散化的值,而在LightGBM中只要遍歷箱。因此LightGBM更加高效,占用內(nèi)存更低。

    (3) 不同于XGBoost和GBDT采用基于按層生長(zhǎng)的決策樹(shù)成長(zhǎng)方式,又叫做level-wise策略。LightGBM算法中單個(gè)決策樹(shù)的節(jié)點(diǎn)分離方法是基于葉子分裂的,又叫l(wèi)eaf-wise策略,這樣的好處是不會(huì)對(duì)許多分裂增益過(guò)低的節(jié)點(diǎn)進(jìn)行遍歷搜索,降低了對(duì)計(jì)算資源的消耗。

    1.2 預(yù)測(cè)分析過(guò)程

    本文預(yù)測(cè)分析過(guò)程如圖2所示,首先基于SIMIO獲取相關(guān)數(shù)據(jù),對(duì)數(shù)據(jù)進(jìn)行獨(dú)熱編碼及標(biāo)準(zhǔn)化預(yù)處理后使用Lasso、Ridge、GBDT、XGBoost和LightGBM算法建立預(yù)測(cè)模型,使用隨機(jī)搜索選擇參數(shù),最后通過(guò)對(duì)比選出最佳模型。

    圖2 預(yù)測(cè)分析過(guò)程

    2 構(gòu)建多階段患者服務(wù)等待時(shí)間預(yù)測(cè)模型

    2.1 預(yù)測(cè)問(wèn)題描述

    將患者服務(wù)等待時(shí)間定義為患者在醫(yī)院接受服務(wù)時(shí)間以及等待時(shí)間之和。醫(yī)院各科室隊(duì)列人數(shù)的實(shí)時(shí)狀態(tài)S、患者診療流程中的科室構(gòu)成O是影響患者服務(wù)等待時(shí)間的主要因素。

    (1)

    所以,多階段患者服務(wù)等待時(shí)間可用式(2)表示,因?yàn)闊o(wú)法知道公式的具體形式,因此采用LightGBM算法建立回歸模型預(yù)測(cè)患者服務(wù)等待時(shí)間。

    F=f(k1,k2,…,kn,p11,p12,…,p1n,…,pMnM)

    (2)

    2.2 基于SIMIO訓(xùn)練樣本的收集

    對(duì)寧波某婦幼保健院以及寧波多家醫(yī)院的調(diào)研發(fā)現(xiàn),目前醫(yī)院的HIS系統(tǒng)與排隊(duì)系統(tǒng)獨(dú)立運(yùn)作,無(wú)法直接獲取多階段的原始數(shù)據(jù),本文采用SIMIO軟件進(jìn)行仿真,獲取模型訓(xùn)練集和驗(yàn)證集數(shù)據(jù)。

    仿真首先需要仿真目標(biāo),本文基于文獻(xiàn)[16]建立仿真模型獲取相關(guān)實(shí)驗(yàn)數(shù)據(jù)。論文中以大連某體檢中心實(shí)際工作流程為基礎(chǔ),對(duì)于患者的就診流程、患者到達(dá)分布、人員設(shè)備配置、各科室服務(wù)時(shí)間、排隊(duì)過(guò)程均有詳細(xì)說(shuō)明。

    對(duì)于建模輸入變量,本文主要考慮患者和醫(yī)務(wù)人員兩方面的影響,主要包括時(shí)間類(患者到達(dá)時(shí)間)、科室類(各科室隊(duì)列人數(shù)類、患者檢查項(xiàng)目)這2大類變量對(duì)患者等待時(shí)間的影響,具體變量和變量類型如表2所示,通過(guò)SIMIO中添加觸發(fā)器并加入write step模塊將實(shí)驗(yàn)相關(guān)數(shù)據(jù)輸出成.csv文件格式。對(duì)于上述共17類數(shù)據(jù),服務(wù)等待時(shí)間是我們的預(yù)測(cè)目標(biāo),進(jìn)入隊(duì)列時(shí)間既可獲取進(jìn)入隊(duì)列時(shí)刻,也可與完成時(shí)間計(jì)算得到患者的服務(wù)等待時(shí)間,其他14個(gè)變量為輸入模型中的因變量,將仿真模型運(yùn)行60天后匯總得到樣本共計(jì)8 110條。

    表2 變量類別及類型

    2.3 數(shù)據(jù)預(yù)處理

    (1) 標(biāo)準(zhǔn)化。對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理可以排除不同變量值域量綱差異過(guò)大的影響,有利于算法模型的收斂。通過(guò)式(3)進(jìn)行轉(zhuǎn)換,假設(shè)原始變量集合為X={X1,X2,…,Xn},標(biāo)準(zhǔn)化處理后的變量集合為Z={Z1,Z2,…,Zn},使用sklearn.preprocessing中StandardScaler模塊可以快速進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理。本文對(duì)檢查科室總數(shù)、采血科隊(duì)列人數(shù)、一般檢查科隊(duì)列人數(shù)、眼耳口鼻科隊(duì)列人數(shù)、內(nèi)科隊(duì)列人數(shù)、外科隊(duì)列人數(shù)和彩超科隊(duì)列人數(shù)進(jìn)行標(biāo)準(zhǔn)化處理。

    (3)

    式中:μ是該變量的均值;s為該變量的標(biāo)準(zhǔn)差。

    (2) 獨(dú)熱編碼。獨(dú)熱編碼即一位有效編碼,其方法是使用N位狀態(tài)寄存器來(lái)對(duì)N個(gè)狀態(tài)進(jìn)行編碼,每個(gè)狀態(tài)都有它獨(dú)立的寄存器位,并且在任意時(shí)候,其中只有一位有效。如對(duì)0和1進(jìn)行編碼,首先只有兩個(gè)狀態(tài)就是需要兩個(gè)狀態(tài)寄存器,將其編碼為00和01。獨(dú)熱編碼使得特征間的距離度量合理,不過(guò)會(huì)增加特征維度。本文使用Python的第三方庫(kù)pandas中g(shù)et_dummies()方法對(duì)進(jìn)入隊(duì)列時(shí)刻、采血科是否檢查、一般檢查科是否檢查、眼耳口鼻科是否檢查、內(nèi)科是否檢查、外科是否檢查和彩超科是否檢查共7個(gè)離散特征進(jìn)行獨(dú)熱編碼。

    2.4 數(shù)據(jù)集切分

    為評(píng)估模型的泛化性能,將實(shí)驗(yàn)源數(shù)據(jù)集,共計(jì)8 110條實(shí)驗(yàn)源數(shù)據(jù),隨機(jī)選取80%的數(shù)據(jù)(6 488個(gè)樣本)作為訓(xùn)練集,20%的數(shù)據(jù)(1 622個(gè)樣本)作為測(cè)試集。

    表3 數(shù)據(jù)集大小

    2.5 模型評(píng)價(jià)指標(biāo)

    使用兩個(gè)指標(biāo)MAE和MAPE度量Lasso、Ridge、GBDT、XGBoost、LightGBM模型的預(yù)測(cè)精度。

    (1) 平均絕對(duì)誤差(MAE)。平均絕對(duì)誤差可以直接衡量預(yù)測(cè)值與真實(shí)值的差值大小,具體MAE計(jì)算方式見(jiàn)式(4)。

    (4)

    式中:n為樣本個(gè)數(shù);yobs,i為第i個(gè)實(shí)驗(yàn)數(shù)據(jù)的真實(shí)值;ymodel,i為第i個(gè)實(shí)驗(yàn)數(shù)據(jù)的預(yù)測(cè)值。MAE值越小說(shuō)明算法預(yù)測(cè)精度越高。

    (2) 平均絕對(duì)百分比誤差(MAPE)。平均絕對(duì)百分比誤差不僅僅考慮預(yù)測(cè)值與真實(shí)值的誤差,還考慮了誤差與真實(shí)值間的比例。MAPE計(jì)算方式見(jiàn)式(5),MAPE值越小說(shuō)明算法預(yù)測(cè)精度越高,由式(5)可知當(dāng)實(shí)際值為0時(shí)公式將不適用,因此在計(jì)算MAPE時(shí)將實(shí)際值為0的樣本刪除。

    (5)

    式中:n為樣本個(gè)數(shù);yobs,i為第i個(gè)觀測(cè)樣本的實(shí)際值;ymodel,i為第i個(gè)樣本的預(yù)測(cè)值。

    2.6 計(jì)算結(jié)果分析

    模型驗(yàn)證實(shí)驗(yàn)電腦配置為64位Window 10操作系統(tǒng),8 GB運(yùn)行內(nèi)存,Intel Core i5- 8250U處理器。使用Python3.5編程語(yǔ)言進(jìn)行分析建模,建模過(guò)程主要使用到的包和機(jī)器學(xué)習(xí)庫(kù)有pandas、numpy、matplotlib、seaborn、sklearn。

    使用機(jī)器學(xué)習(xí)算法構(gòu)建預(yù)測(cè)模型時(shí),參數(shù)對(duì)模型的預(yù)測(cè)結(jié)果影響較大。對(duì)于Lasso模型,選取alpha和max_iter進(jìn)行尋優(yōu);對(duì)于Ridge模型,選取alpha進(jìn)行尋優(yōu);對(duì)于GBDT模型,選取learning_rate、n_estimators、max_depth和subsample這4個(gè)主要參數(shù)進(jìn)行調(diào)優(yōu);對(duì)于XGBoost模型,選取learning_rate、n_estimators和max_depth這3個(gè)參數(shù)進(jìn)行尋優(yōu);對(duì)于LightGBM模型,選取learning_rate、n_estimators、max_depth、num_leaves、min_data_in_leaf、feature_fraction和bagging_fraction共7個(gè)主要參數(shù)進(jìn)行調(diào)優(yōu)。使用隨機(jī)搜索自動(dòng)選取參數(shù)。具體步驟如下:(1) 確定參數(shù)的尋優(yōu)區(qū)間;(2) 為每個(gè)超參數(shù)定義成均勻分布;(3) 根據(jù)給定的分布進(jìn)行隨機(jī)采樣,然后根據(jù)得到的采樣結(jié)果進(jìn)行遍歷。使用sklearn中RandomizedSearchCV模塊可快速進(jìn)行隨機(jī)搜索。使用5折交叉驗(yàn)證選擇參數(shù),超參數(shù)尋優(yōu)時(shí)采用MAE為評(píng)分函數(shù)。確定參數(shù)后分別評(píng)估各模型在測(cè)試集上的預(yù)測(cè)性能,并整理實(shí)驗(yàn)結(jié)果如表4所示。

    表4 不同模型尋優(yōu)耗時(shí)與MAE值對(duì)比

    可以發(fā)現(xiàn)Ridge尋優(yōu)時(shí)間最短,預(yù)測(cè)性能較差,在測(cè)試集上MAE僅為9.140 8。GBDT、XGBoost、LightGBM都可以取得較好的預(yù)測(cè)精度,MAE約為3分鐘左右,但是LightGBM模型可大幅降低尋優(yōu)時(shí)間,其尋優(yōu)時(shí)長(zhǎng)僅為GBDT模型的3.3%,XGBoost模型的22.4%。因此,綜合尋優(yōu)時(shí)間和預(yù)測(cè)精度來(lái)看,確定LightGBM為最佳模型。

    使用MAPE評(píng)估各模型的預(yù)測(cè)精度在測(cè)試集上預(yù)測(cè)精度,通常我們認(rèn)為模型MAPE小于10%說(shuō)明預(yù)測(cè)模型精度較高。如表5為各個(gè)模型的MAPE值??梢园l(fā)現(xiàn)GBDT、XGBoost、LightGBM算法遠(yuǎn)高于Lasso和Ridge模型預(yù)測(cè)精度,預(yù)測(cè)精度分別為8.62%和8.23%和8.52%,滿足實(shí)際應(yīng)用需求。

    表5 各算法MAPE值對(duì)比(%)

    2.7 特征重要度

    LightGBM建模可使用模型內(nèi)置函數(shù)plot_importance提取特征對(duì)于模型的重要度,表6為各特征對(duì)模型重要度所占百分比,可以看出各科室隊(duì)列人數(shù)和檢查科室總數(shù)占比最高,計(jì)算可得這些特征占比總計(jì)達(dá)84.77%。這些特征是影響患者等待時(shí)間的關(guān)鍵。

    表6 LightGBM模型特征重要度(%)

    2.8 預(yù)測(cè)應(yīng)用討論

    結(jié)合醫(yī)療工作,根據(jù)預(yù)測(cè)分析結(jié)果給出如下應(yīng)用討論:

    (1) 體檢流程作為典型的多階段服務(wù)流程,患者往往處在焦急的等待之中,在我們的實(shí)際應(yīng)用中,可在預(yù)測(cè)出的等待時(shí)間的基礎(chǔ)上加上一段時(shí)間,使得患者實(shí)際感知的等待時(shí)間減少,提高病人滿意度。

    (2) 對(duì)于多階段服務(wù)等待時(shí)間預(yù)測(cè)來(lái)說(shuō),獲取各科室信息是預(yù)測(cè)的基礎(chǔ),因此建立統(tǒng)一的醫(yī)療信息系統(tǒng)尤為關(guān)鍵,結(jié)合文獻(xiàn)調(diào)研分析和本文的研究,采集患者的掛號(hào)科室數(shù)、各科室的隊(duì)列人數(shù)等信息對(duì)預(yù)測(cè)等待時(shí)間尤為關(guān)鍵。

    (3) 多階段服務(wù)等待時(shí)間預(yù)測(cè)有助于優(yōu)化序列預(yù)約,減少不必要的過(guò)號(hào)浪費(fèi)現(xiàn)象發(fā)生,因?yàn)槟壳暗那闆r是每個(gè)環(huán)節(jié)都需要排隊(duì)取號(hào),存在大量過(guò)號(hào),無(wú)法了解排隊(duì)情況,有了患者服務(wù)等待時(shí)間,可用于最優(yōu)化序列預(yù)約。

    3 結(jié) 語(yǔ)

    本文基于Lasso、Ridge、GBDT、XGBoost、LightGBM建立多階段服務(wù)等待時(shí)間預(yù)測(cè)模型,預(yù)測(cè)結(jié)果顯示LightGBM取得預(yù)測(cè)性能最好,平均絕對(duì)誤差分別為3.439 1,平均百分比誤差為8.52%。本文的不足之處在于LightGBM雖然可以提高預(yù)測(cè)精度,但與Ridge算法相比,其算法運(yùn)行時(shí)間較長(zhǎng),特別是在醫(yī)療大數(shù)據(jù)的背景下如何在獲得較高預(yù)測(cè)精度的同時(shí)降低算法尋優(yōu)時(shí)長(zhǎng)是以后研究主要內(nèi)容之一。

    猜你喜歡
    等待時(shí)間隊(duì)列科室
    給學(xué)生適宜的等待時(shí)間
    ——國(guó)外課堂互動(dòng)等待時(shí)間研究的現(xiàn)狀與啟示
    科室層級(jí)護(hù)理質(zhì)量控制網(wǎng)的實(shí)施與探討
    隊(duì)列里的小秘密
    基于多隊(duì)列切換的SDN擁塞控制*
    軟件(2020年3期)2020-04-20 00:58:44
    愛(ài)緊張的貓大夫
    孩子(2019年5期)2019-05-20 02:52:44
    在隊(duì)列里
    視歧——一位住錯(cuò)科室的患者
    豐田加速駛?cè)胱詣?dòng)駕駛隊(duì)列
    “合作科室”為何被壞了名聲
    意大利:反腐敗沒(méi)有等待時(shí)間
    公民與法治(2016年2期)2016-05-17 04:08:28
    一级片'在线观看视频| 两个人免费观看高清视频| 欧美日韩中文字幕国产精品一区二区三区 | 色尼玛亚洲综合影院| 美女福利国产在线| 久久精品国产a三级三级三级| 国产一卡二卡三卡精品| 久久亚洲真实| 欧美一级毛片孕妇| 国产在视频线精品| videos熟女内射| 午夜福利免费观看在线| 精品久久久久久电影网| 真人做人爱边吃奶动态| 久久久久久人人人人人| 十八禁网站网址无遮挡| 国产av又大| 亚洲精品国产一区二区精华液| 精品卡一卡二卡四卡免费| 每晚都被弄得嗷嗷叫到高潮| 亚洲精品国产精品久久久不卡| 一区二区三区精品91| 国产激情久久老熟女| 夜夜骑夜夜射夜夜干| 日韩欧美国产一区二区入口| 俄罗斯特黄特色一大片| 色婷婷av一区二区三区视频| 在线观看舔阴道视频| 狠狠精品人妻久久久久久综合| 中文字幕人妻丝袜一区二区| 在线观看免费午夜福利视频| 亚洲成人手机| 久久久久久久国产电影| 99精国产麻豆久久婷婷| 日韩中文字幕视频在线看片| 精品福利观看| 久久狼人影院| 高清黄色对白视频在线免费看| 亚洲精品乱久久久久久| 在线 av 中文字幕| 久久精品国产亚洲av香蕉五月 | 成年女人毛片免费观看观看9 | 岛国在线观看网站| 水蜜桃什么品种好| 久久久久久免费高清国产稀缺| 免费在线观看影片大全网站| 午夜福利视频在线观看免费| 90打野战视频偷拍视频| 免费看十八禁软件| 久久精品亚洲av国产电影网| 午夜老司机福利片| 精品国产国语对白av| 久久久久久久大尺度免费视频| 91精品三级在线观看| 亚洲熟女毛片儿| 精品一品国产午夜福利视频| 丝袜人妻中文字幕| 久久影院123| 亚洲欧美精品综合一区二区三区| 蜜桃在线观看..| 国产精品 国内视频| 美女扒开内裤让男人捅视频| 在线 av 中文字幕| 日韩欧美一区视频在线观看| 一边摸一边抽搐一进一小说 | av电影中文网址| 亚洲精品在线观看二区| 中文字幕另类日韩欧美亚洲嫩草| 美女扒开内裤让男人捅视频| 国产老妇伦熟女老妇高清| 亚洲成人免费av在线播放| 亚洲av电影在线进入| 视频区图区小说| 在线观看免费高清a一片| 女人被躁到高潮嗷嗷叫费观| 午夜福利免费观看在线| 老司机午夜福利在线观看视频 | 国产在线视频一区二区| 久久这里只有精品19| netflix在线观看网站| 好男人电影高清在线观看| 国产精品.久久久| 日韩有码中文字幕| 真人做人爱边吃奶动态| 色在线成人网| 性色av乱码一区二区三区2| 十分钟在线观看高清视频www| 咕卡用的链子| 亚洲成人免费av在线播放| 免费女性裸体啪啪无遮挡网站| 久久久久视频综合| 亚洲一区中文字幕在线| 久久久欧美国产精品| 亚洲一区二区三区欧美精品| 精品国产乱子伦一区二区三区| 悠悠久久av| 岛国毛片在线播放| 99久久国产精品久久久| 日韩免费高清中文字幕av| 国产精品麻豆人妻色哟哟久久| 中文字幕人妻丝袜制服| 欧美另类亚洲清纯唯美| 亚洲精品成人av观看孕妇| 久久久欧美国产精品| 青草久久国产| 高潮久久久久久久久久久不卡| 婷婷成人精品国产| 在线天堂中文资源库| bbb黄色大片| 热re99久久国产66热| 亚洲伊人色综图| 99国产综合亚洲精品| e午夜精品久久久久久久| 在线观看舔阴道视频| 无遮挡黄片免费观看| 性色av乱码一区二区三区2| 一级片'在线观看视频| 亚洲专区国产一区二区| 精品少妇黑人巨大在线播放| 久久精品国产99精品国产亚洲性色 | 美女视频免费永久观看网站| 国产一区二区激情短视频| 日韩有码中文字幕| 老熟妇乱子伦视频在线观看| 国产伦理片在线播放av一区| 一区二区av电影网| 老熟妇乱子伦视频在线观看| 大香蕉久久网| 国产97色在线日韩免费| 亚洲精品成人av观看孕妇| 一二三四社区在线视频社区8| 操出白浆在线播放| 99国产精品一区二区三区| 欧美黑人精品巨大| 最黄视频免费看| netflix在线观看网站| 国产又爽黄色视频| 香蕉国产在线看| 久久国产亚洲av麻豆专区| 国产男靠女视频免费网站| 亚洲av日韩在线播放| av一本久久久久| 亚洲精品中文字幕在线视频| 国产av精品麻豆| 午夜激情久久久久久久| 久久婷婷成人综合色麻豆| 国产男女超爽视频在线观看| 成人影院久久| 午夜视频精品福利| 精品免费久久久久久久清纯 | 亚洲中文字幕日韩| 精品国产乱码久久久久久男人| 欧美日韩亚洲国产一区二区在线观看 | 老汉色∧v一级毛片| 日韩三级视频一区二区三区| 2018国产大陆天天弄谢| 欧美成人午夜精品| 精品久久久久久久毛片微露脸| 成年女人毛片免费观看观看9 | www.自偷自拍.com| 亚洲av第一区精品v没综合| 法律面前人人平等表现在哪些方面| 国产精品98久久久久久宅男小说| 性高湖久久久久久久久免费观看| 国产男女内射视频| 国产高清视频在线播放一区| 久久久久久久精品吃奶| 国产精品电影一区二区三区 | 国产男女超爽视频在线观看| 制服人妻中文乱码| 男女午夜视频在线观看| 汤姆久久久久久久影院中文字幕| 大片免费播放器 马上看| tube8黄色片| 中国美女看黄片| 一级毛片女人18水好多| tube8黄色片| 99riav亚洲国产免费| 亚洲精品av麻豆狂野| 免费黄频网站在线观看国产| 在线观看免费日韩欧美大片| 日韩免费高清中文字幕av| 国产精品久久久人人做人人爽| 99精品久久久久人妻精品| 免费在线观看视频国产中文字幕亚洲| 午夜福利,免费看| 国产成人av教育| 激情在线观看视频在线高清 | 交换朋友夫妻互换小说| 怎么达到女性高潮| 国产精品麻豆人妻色哟哟久久| 久久久久久久久久久久大奶| 亚洲欧美一区二区三区久久| 亚洲男人天堂网一区| 成人国产av品久久久| 国产av精品麻豆| 一级毛片电影观看| 自线自在国产av| 精品免费久久久久久久清纯 | 欧美日韩黄片免| 五月开心婷婷网| 国产精品亚洲av一区麻豆| 多毛熟女@视频| 婷婷成人精品国产| av网站免费在线观看视频| 国产aⅴ精品一区二区三区波| 亚洲全国av大片| 纵有疾风起免费观看全集完整版| 真人做人爱边吃奶动态| 久久毛片免费看一区二区三区| 黄片大片在线免费观看| 99九九在线精品视频| 少妇被粗大的猛进出69影院| 操美女的视频在线观看| 不卡一级毛片| 久久中文字幕一级| 精品国产乱子伦一区二区三区| 波多野结衣av一区二区av| 日韩人妻精品一区2区三区| 青青草视频在线视频观看| 国产日韩欧美在线精品| 99久久国产精品久久久| 成人特级黄色片久久久久久久 | 国精品久久久久久国模美| 日韩 欧美 亚洲 中文字幕| 亚洲天堂av无毛| 又黄又粗又硬又大视频| 色94色欧美一区二区| 欧美国产精品一级二级三级| 亚洲第一av免费看| bbb黄色大片| 女同久久另类99精品国产91| 69av精品久久久久久 | 久久人妻熟女aⅴ| 最近最新中文字幕大全电影3 | 精品乱码久久久久久99久播| 欧美日韩亚洲国产一区二区在线观看 | 在线十欧美十亚洲十日本专区| 午夜福利,免费看| 大码成人一级视频| 99久久人妻综合| 99riav亚洲国产免费| 搡老熟女国产l中国老女人| 亚洲精品一二三| 女人精品久久久久毛片| www.自偷自拍.com| 99精品久久久久人妻精品| 国产精品一区二区精品视频观看| 51午夜福利影视在线观看| 脱女人内裤的视频| 人妻 亚洲 视频| 国产一区二区在线观看av| 日本黄色视频三级网站网址 | 亚洲成国产人片在线观看| 免费在线观看影片大全网站| 老鸭窝网址在线观看| 王馨瑶露胸无遮挡在线观看| 久久久久精品人妻al黑| 最新美女视频免费是黄的| 在线观看一区二区三区激情| 精品国产一区二区久久| 国产视频一区二区在线看| 亚洲九九香蕉| 国产精品电影一区二区三区 | 国产精品成人在线| 黄色视频在线播放观看不卡| 黄频高清免费视频| 亚洲午夜理论影院| 久久久水蜜桃国产精品网| 国产精品 欧美亚洲| 精品亚洲乱码少妇综合久久| 亚洲人成电影免费在线| 免费在线观看影片大全网站| 高清毛片免费观看视频网站 | 大码成人一级视频| 久久久国产欧美日韩av| 菩萨蛮人人尽说江南好唐韦庄| 国产无遮挡羞羞视频在线观看| 高清黄色对白视频在线免费看| 亚洲午夜理论影院| 国产在线视频一区二区| 淫妇啪啪啪对白视频| 考比视频在线观看| 欧美另类亚洲清纯唯美| 啦啦啦免费观看视频1| 日本一区二区免费在线视频| 999久久久精品免费观看国产| a级毛片在线看网站| 一本大道久久a久久精品| 国产精品.久久久| 亚洲情色 制服丝袜| av在线播放免费不卡| 亚洲国产av新网站| 亚洲 国产 在线| 桃红色精品国产亚洲av| 久热爱精品视频在线9| 91av网站免费观看| 日韩免费高清中文字幕av| 大香蕉久久网| 日本av手机在线免费观看| 午夜福利一区二区在线看| 一本—道久久a久久精品蜜桃钙片| 好男人电影高清在线观看| 制服诱惑二区| 亚洲精品成人av观看孕妇| cao死你这个sao货| 美国免费a级毛片| 亚洲av日韩精品久久久久久密| 最近最新中文字幕大全电影3 | 日韩熟女老妇一区二区性免费视频| 搡老乐熟女国产| av欧美777| 日韩大片免费观看网站| 男女午夜视频在线观看| 女人精品久久久久毛片| 女人高潮潮喷娇喘18禁视频| 国产一区二区在线观看av| 久久久久久久大尺度免费视频| 91国产中文字幕| 欧美精品亚洲一区二区| 色精品久久人妻99蜜桃| 精品福利观看| 天天操日日干夜夜撸| 国产亚洲精品一区二区www | 性少妇av在线| 日韩欧美国产一区二区入口| 国产一区二区在线观看av| 狠狠精品人妻久久久久久综合| 欧美日韩视频精品一区| 黄色 视频免费看| 亚洲人成电影观看| 女同久久另类99精品国产91| 高清毛片免费观看视频网站 | 国产精品一区二区免费欧美| 高清视频免费观看一区二区| 怎么达到女性高潮| 黄色视频不卡| 国产精品电影一区二区三区 | 操出白浆在线播放| 伊人久久大香线蕉亚洲五| 亚洲熟女精品中文字幕| 黑人巨大精品欧美一区二区mp4| 大型av网站在线播放| av电影中文网址| 大陆偷拍与自拍| 国产免费视频播放在线视频| 国产亚洲欧美在线一区二区| 成人精品一区二区免费| 露出奶头的视频| 真人做人爱边吃奶动态| 老司机影院毛片| 少妇猛男粗大的猛烈进出视频| 国产欧美日韩精品亚洲av| 丰满迷人的少妇在线观看| 久久毛片免费看一区二区三区| svipshipincom国产片| 国产不卡一卡二| 可以免费在线观看a视频的电影网站| 亚洲美女黄片视频| 久久久久国产一级毛片高清牌| 天天躁狠狠躁夜夜躁狠狠躁| 大片电影免费在线观看免费| 国产免费av片在线观看野外av| svipshipincom国产片| 久热这里只有精品99| √禁漫天堂资源中文www| 欧美av亚洲av综合av国产av| 婷婷丁香在线五月| 国产日韩欧美在线精品| 欧美中文综合在线视频| 宅男免费午夜| 久久人人爽av亚洲精品天堂| 日韩三级视频一区二区三区| 亚洲国产欧美网| 成人亚洲精品一区在线观看| 国产亚洲精品一区二区www | 亚洲欧洲日产国产| av视频免费观看在线观看| 伦理电影免费视频| 欧美激情 高清一区二区三区| 国产日韩一区二区三区精品不卡| 久久久久精品人妻al黑| 在线观看免费高清a一片| 90打野战视频偷拍视频| 夜夜骑夜夜射夜夜干| 性色av乱码一区二区三区2| 两性午夜刺激爽爽歪歪视频在线观看 | 国产在线一区二区三区精| 久久这里只有精品19| 精品亚洲乱码少妇综合久久| 可以免费在线观看a视频的电影网站| 女人被躁到高潮嗷嗷叫费观| 亚洲人成伊人成综合网2020| 亚洲色图综合在线观看| 国产一区二区三区在线臀色熟女 | 免费在线观看日本一区| 91成年电影在线观看| 丰满少妇做爰视频| 51午夜福利影视在线观看| 色老头精品视频在线观看| 久久久久久久久久久久大奶| 成人特级黄色片久久久久久久 | 侵犯人妻中文字幕一二三四区| 久久天躁狠狠躁夜夜2o2o| 亚洲欧美激情在线| 最黄视频免费看| 韩国精品一区二区三区| 成年女人毛片免费观看观看9 | 日本黄色日本黄色录像| 少妇猛男粗大的猛烈进出视频| 免费高清在线观看日韩| 欧美国产精品va在线观看不卡| 交换朋友夫妻互换小说| 国产亚洲一区二区精品| av福利片在线| 丁香六月天网| 亚洲综合色网址| 欧美变态另类bdsm刘玥| 久久久久久久久免费视频了| 亚洲精品粉嫩美女一区| 日韩免费高清中文字幕av| 国产成人精品无人区| 老司机在亚洲福利影院| 欧美成狂野欧美在线观看| 妹子高潮喷水视频| 女警被强在线播放| 国产在线观看jvid| 欧美精品av麻豆av| 岛国毛片在线播放| 咕卡用的链子| 亚洲黑人精品在线| 999久久久精品免费观看国产| 精品国产乱码久久久久久小说| 日本五十路高清| 777米奇影视久久| 国产免费av片在线观看野外av| 黑人欧美特级aaaaaa片| 色94色欧美一区二区| 亚洲成人手机| 亚洲熟妇熟女久久| 免费在线观看日本一区| 考比视频在线观看| 人妻久久中文字幕网| 日韩制服丝袜自拍偷拍| 首页视频小说图片口味搜索| 精品第一国产精品| 久久国产精品男人的天堂亚洲| 美女扒开内裤让男人捅视频| 深夜精品福利| 黑人操中国人逼视频| 国产伦人伦偷精品视频| 黄色成人免费大全| 亚洲一卡2卡3卡4卡5卡精品中文| 人人妻,人人澡人人爽秒播| 老司机午夜福利在线观看视频 | av片东京热男人的天堂| 午夜福利欧美成人| 精品一区二区三区av网在线观看 | 黑人欧美特级aaaaaa片| 国产成人精品在线电影| 国产精品熟女久久久久浪| 老鸭窝网址在线观看| 国产无遮挡羞羞视频在线观看| 无人区码免费观看不卡 | 丰满迷人的少妇在线观看| 大香蕉久久网| 老司机亚洲免费影院| 日韩大码丰满熟妇| 嫩草影视91久久| 久久精品国产99精品国产亚洲性色 | 黑丝袜美女国产一区| 色婷婷久久久亚洲欧美| 免费人妻精品一区二区三区视频| 18禁观看日本| 色综合欧美亚洲国产小说| 欧美老熟妇乱子伦牲交| 亚洲av片天天在线观看| 99国产精品一区二区蜜桃av | 国产精品二区激情视频| 天天躁日日躁夜夜躁夜夜| 母亲3免费完整高清在线观看| 国产一区二区三区视频了| 色婷婷av一区二区三区视频| 国产免费av片在线观看野外av| av国产精品久久久久影院| 国产精品自产拍在线观看55亚洲 | 久久精品aⅴ一区二区三区四区| 精品一区二区三区av网在线观看 | 亚洲精品av麻豆狂野| 狠狠婷婷综合久久久久久88av| 97人妻天天添夜夜摸| 成年人黄色毛片网站| 极品少妇高潮喷水抽搐| 正在播放国产对白刺激| 露出奶头的视频| 成年版毛片免费区| av福利片在线| 国产淫语在线视频| 国产成人av激情在线播放| 91成年电影在线观看| 曰老女人黄片| 波多野结衣一区麻豆| 无遮挡黄片免费观看| 国产精品一区二区在线不卡| 免费高清在线观看日韩| 又紧又爽又黄一区二区| 18禁黄网站禁片午夜丰满| 国产又色又爽无遮挡免费看| 精品国内亚洲2022精品成人 | 桃红色精品国产亚洲av| 日本五十路高清| 在线观看免费视频网站a站| 久久99热这里只频精品6学生| 91av网站免费观看| 国产亚洲一区二区精品| 成人国语在线视频| 人妻一区二区av| 国产成人免费无遮挡视频| 亚洲av第一区精品v没综合| 亚洲精品在线美女| 久久精品国产99精品国产亚洲性色 | a级毛片在线看网站| 午夜精品国产一区二区电影| 欧美另类亚洲清纯唯美| 欧美激情极品国产一区二区三区| a级毛片黄视频| 最黄视频免费看| 国产不卡一卡二| 99精品在免费线老司机午夜| 纵有疾风起免费观看全集完整版| 中文字幕制服av| 亚洲avbb在线观看| av有码第一页| 亚洲精品一卡2卡三卡4卡5卡| 一进一出抽搐动态| av欧美777| 国产1区2区3区精品| 亚洲一码二码三码区别大吗| 欧美亚洲日本最大视频资源| 成人三级做爰电影| 高清视频免费观看一区二区| 国产精品久久久久成人av| 桃红色精品国产亚洲av| 天天躁狠狠躁夜夜躁狠狠躁| 精品国产乱子伦一区二区三区| 国产免费福利视频在线观看| 女人被躁到高潮嗷嗷叫费观| 欧美中文综合在线视频| 国产精品一区二区在线观看99| 又紧又爽又黄一区二区| 女人精品久久久久毛片| 男女床上黄色一级片免费看| 一本大道久久a久久精品| 香蕉国产在线看| 国产xxxxx性猛交| 日日夜夜操网爽| 国产精品一区二区在线观看99| 高清欧美精品videossex| 国产免费福利视频在线观看| 在线观看免费日韩欧美大片| 麻豆乱淫一区二区| 国产欧美日韩综合在线一区二区| 新久久久久国产一级毛片| 一级片'在线观看视频| 1024香蕉在线观看| 国精品久久久久久国模美| 欧美日韩中文字幕国产精品一区二区三区 | 精品国产乱码久久久久久男人| 一区二区三区乱码不卡18| 满18在线观看网站| 女同久久另类99精品国产91| tocl精华| 亚洲伊人色综图| 成人三级做爰电影| 国产精品.久久久| 精品少妇一区二区三区视频日本电影| 亚洲免费av在线视频| 天堂动漫精品| 欧美日韩精品网址| 色婷婷av一区二区三区视频| 亚洲久久久国产精品| 色老头精品视频在线观看| 国产成人av教育| 亚洲第一青青草原| 女性被躁到高潮视频| 最黄视频免费看| 热99久久久久精品小说推荐| 欧美人与性动交α欧美软件| 欧美日韩福利视频一区二区| 国产欧美日韩一区二区三| 搡老熟女国产l中国老女人| 后天国语完整版免费观看| 日本欧美视频一区| 一级毛片精品| a在线观看视频网站| 久久国产精品男人的天堂亚洲| 99国产精品99久久久久| 免费人妻精品一区二区三区视频| 精品一区二区三卡| 美女福利国产在线| 91国产中文字幕| 在线观看免费视频网站a站| 亚洲欧美一区二区三区久久| 久9热在线精品视频| 国产免费av片在线观看野外av| 一本大道久久a久久精品| 精品国产乱码久久久久久小说| 1024香蕉在线观看| 五月天丁香电影| 三级毛片av免费| 男女床上黄色一级片免费看| 九色亚洲精品在线播放| 国产成人欧美在线观看 | 热99re8久久精品国产| 久久av网站|