• <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
    九九在线视频观看精品| 老司机福利观看| 久久久久国内视频| 亚洲七黄色美女视频| 亚洲av第一区精品v没综合| 午夜免费激情av| av女优亚洲男人天堂| 国产日本99.免费观看| 在线播放国产精品三级| a级一级毛片免费在线观看| 人妻制服诱惑在线中文字幕| 欧美激情国产日韩精品一区| 看免费成人av毛片| 国产极品精品免费视频能看的| 久久精品人妻少妇| 欧美日韩综合久久久久久 | 91午夜精品亚洲一区二区三区 | 国产美女午夜福利| 热99re8久久精品国产| 美女 人体艺术 gogo| 1024手机看黄色片| 性欧美人与动物交配| 欧美日韩亚洲国产一区二区在线观看| 色尼玛亚洲综合影院| 国产v大片淫在线免费观看| 亚洲avbb在线观看| 成年女人毛片免费观看观看9| 97超级碰碰碰精品色视频在线观看| 免费在线观看成人毛片| 美女高潮的动态| 中文字幕人妻熟人妻熟丝袜美| 欧美最黄视频在线播放免费| 免费av不卡在线播放| 少妇丰满av| 欧美日韩乱码在线| 亚洲av电影不卡..在线观看| 亚洲精品一卡2卡三卡4卡5卡| 午夜福利欧美成人| 狠狠狠狠99中文字幕| 久久久国产成人精品二区| 国产精品人妻久久久久久| 12—13女人毛片做爰片一| 五月玫瑰六月丁香| 毛片女人毛片| 国产欧美日韩精品一区二区| 国产乱人视频| 亚洲狠狠婷婷综合久久图片| 热99re8久久精品国产| 天堂av国产一区二区熟女人妻| 悠悠久久av| 十八禁网站免费在线| 免费观看的影片在线观看| 老师上课跳d突然被开到最大视频| 婷婷精品国产亚洲av| 亚洲美女视频黄频| 毛片一级片免费看久久久久 | 在线观看免费视频日本深夜| 免费电影在线观看免费观看| 好男人在线观看高清免费视频| 国产在线精品亚洲第一网站| 精品人妻偷拍中文字幕| 99九九线精品视频在线观看视频| 男人狂女人下面高潮的视频| 婷婷精品国产亚洲av| 国产伦精品一区二区三区视频9| 亚洲欧美日韩卡通动漫| 色av中文字幕| 国产视频一区二区在线看| 免费av毛片视频| 国产精品久久视频播放| 亚洲在线自拍视频| 欧美一区二区精品小视频在线| 亚洲国产欧洲综合997久久,| 日韩 亚洲 欧美在线| 国产激情偷乱视频一区二区| 国产精品福利在线免费观看| 一个人观看的视频www高清免费观看| 午夜福利成人在线免费观看| 伦理电影大哥的女人| 一a级毛片在线观看| 欧美zozozo另类| 亚洲男人的天堂狠狠| 免费无遮挡裸体视频| 色综合亚洲欧美另类图片| 中国美女看黄片| 久久久久精品国产欧美久久久| 小说图片视频综合网站| 国产精品三级大全| 欧美中文日本在线观看视频| 亚洲精品一卡2卡三卡4卡5卡| 免费av毛片视频| 午夜福利视频1000在线观看| 成人美女网站在线观看视频| 一区二区三区高清视频在线| 嫩草影院精品99| 啦啦啦啦在线视频资源| h日本视频在线播放| 草草在线视频免费看| 色精品久久人妻99蜜桃| 日韩一区二区视频免费看| 亚洲 国产 在线| 狂野欧美激情性xxxx在线观看| 日本撒尿小便嘘嘘汇集6| netflix在线观看网站| 国产精品福利在线免费观看| 国产高清有码在线观看视频| 国产高清三级在线| 久久久午夜欧美精品| 黄色视频,在线免费观看| 老司机午夜福利在线观看视频| 黄色一级大片看看| 国产精品av视频在线免费观看| 国产精品久久视频播放| 波多野结衣巨乳人妻| 色在线成人网| 久久久久国内视频| 在线播放无遮挡| 一级a爱片免费观看的视频| 亚洲第一电影网av| 国产午夜福利久久久久久| 日本精品一区二区三区蜜桃| 可以在线观看的亚洲视频| 看黄色毛片网站| 日韩一本色道免费dvd| 欧美性猛交黑人性爽| x7x7x7水蜜桃| av福利片在线观看| 精品久久久久久久久av| 女的被弄到高潮叫床怎么办 | 国产亚洲精品久久久com| 成人美女网站在线观看视频| 亚洲成人精品中文字幕电影| 成人无遮挡网站| 九色国产91popny在线| 永久网站在线| 欧美一区二区亚洲| 黄色丝袜av网址大全| 日本黄色视频三级网站网址| 亚洲av一区综合| 日本三级黄在线观看| 国产精品久久久久久久电影| 有码 亚洲区| 韩国av在线不卡| 又黄又爽又免费观看的视频| 天堂√8在线中文| 在线免费观看不下载黄p国产 | 99riav亚洲国产免费| 成人一区二区视频在线观看| 国产不卡一卡二| 久久久久国内视频| 欧美日韩国产亚洲二区| 深夜精品福利| 女的被弄到高潮叫床怎么办 | 在线免费观看不下载黄p国产 | 久久九九热精品免费| 亚洲中文日韩欧美视频| 国产伦精品一区二区三区视频9| 成年人黄色毛片网站| 亚洲午夜理论影院| 国产一区二区三区av在线 | 国产精品久久电影中文字幕| 十八禁国产超污无遮挡网站| 国产免费男女视频| 九九在线视频观看精品| 久久精品国产自在天天线| 国产成年人精品一区二区| 18禁黄网站禁片午夜丰满| 一个人看视频在线观看www免费| 午夜福利欧美成人| 国产精品日韩av在线免费观看| 欧美激情在线99| 夜夜爽天天搞| 一进一出抽搐动态| 久久久久久久久久久丰满 | 色噜噜av男人的天堂激情| 校园人妻丝袜中文字幕| 成年女人毛片免费观看观看9| 搞女人的毛片| 91午夜精品亚洲一区二区三区 | 国产又黄又爽又无遮挡在线| netflix在线观看网站| 亚洲中文字幕一区二区三区有码在线看| 五月伊人婷婷丁香| 听说在线观看完整版免费高清| 99精品久久久久人妻精品| 久久久久久久亚洲中文字幕| 白带黄色成豆腐渣| 亚洲美女黄片视频| 亚洲精品国产成人久久av| 好男人在线观看高清免费视频| 高清在线国产一区| 成人高潮视频无遮挡免费网站| 婷婷精品国产亚洲av在线| 国产一区二区在线av高清观看| 日韩亚洲欧美综合| 99久久精品一区二区三区| 亚洲成人精品中文字幕电影| 真人一进一出gif抽搐免费| 久久久久免费精品人妻一区二区| 久久婷婷人人爽人人干人人爱| 国产真实乱freesex| 人妻制服诱惑在线中文字幕| 色哟哟·www| 性欧美人与动物交配| av.在线天堂| 最近视频中文字幕2019在线8| 欧洲精品卡2卡3卡4卡5卡区| 日本五十路高清| 最近最新免费中文字幕在线| 欧美绝顶高潮抽搐喷水| 亚洲av免费在线观看| 最新在线观看一区二区三区| 网址你懂的国产日韩在线| 国产 一区精品| 一级毛片久久久久久久久女| 如何舔出高潮| 在线a可以看的网站| 亚洲精品日韩av片在线观看| 久久久久久久精品吃奶| 亚洲第一电影网av| 波野结衣二区三区在线| 久久精品国产清高在天天线| 国内精品宾馆在线| 免费一级毛片在线播放高清视频| 神马国产精品三级电影在线观看| 听说在线观看完整版免费高清| 少妇人妻精品综合一区二区 | 国内少妇人妻偷人精品xxx网站| 99视频精品全部免费 在线| 黄色一级大片看看| 日本一本二区三区精品| 老师上课跳d突然被开到最大视频| 成年女人毛片免费观看观看9| 精品无人区乱码1区二区| 午夜老司机福利剧场| 最近最新中文字幕大全电影3| 国产亚洲欧美98| 一区二区三区免费毛片| 成人无遮挡网站| 日本免费a在线| 色播亚洲综合网| 久久精品国产鲁丝片午夜精品 | 国产一区二区亚洲精品在线观看| 简卡轻食公司| 午夜免费男女啪啪视频观看 | 午夜福利欧美成人| 黄色视频,在线免费观看| 少妇人妻精品综合一区二区 | 国产69精品久久久久777片| 亚洲电影在线观看av| 日本爱情动作片www.在线观看 | 1000部很黄的大片| 日韩高清综合在线| 一个人看的www免费观看视频| 露出奶头的视频| 乱码一卡2卡4卡精品| 深夜a级毛片| 亚洲欧美日韩高清专用| 麻豆成人av在线观看| 亚洲av一区综合| 中文字幕久久专区| 99热只有精品国产| 精品久久久久久久久久久久久| 午夜影院日韩av| 一本久久中文字幕| av福利片在线观看| 亚洲黑人精品在线| 内射极品少妇av片p| 亚洲熟妇熟女久久| 真实男女啪啪啪动态图| 色综合亚洲欧美另类图片| 欧美中文日本在线观看视频| 欧美又色又爽又黄视频| av女优亚洲男人天堂| av天堂中文字幕网| 久久6这里有精品| 亚洲中文日韩欧美视频| 有码 亚洲区| 乱码一卡2卡4卡精品| 18禁黄网站禁片免费观看直播| 欧美色视频一区免费| 国产乱人伦免费视频| or卡值多少钱| 成人精品一区二区免费| 免费高清视频大片| 九色国产91popny在线| eeuss影院久久| 亚洲欧美激情综合另类| 国内少妇人妻偷人精品xxx网站| 国产成人影院久久av| 国内精品一区二区在线观看| 黄色视频,在线免费观看| 国产探花在线观看一区二区| 天堂动漫精品| 精品久久久久久久久久免费视频| 免费av毛片视频| 老司机午夜福利在线观看视频| 亚洲 国产 在线| 亚洲四区av| 国产乱人伦免费视频| 观看美女的网站| 成人精品一区二区免费| 久久久久久久午夜电影| 最近最新中文字幕大全电影3| 午夜福利欧美成人| 精品日产1卡2卡| 国产三级在线视频| 久久精品国产亚洲网站| 午夜福利在线在线| 很黄的视频免费| 国产高清视频在线播放一区| 精品一区二区三区视频在线| 永久网站在线| 男人和女人高潮做爰伦理| 婷婷精品国产亚洲av| 69人妻影院| 亚洲国产日韩欧美精品在线观看| a级毛片免费高清观看在线播放| 国产成人a区在线观看| 日韩欧美一区二区三区在线观看| 直男gayav资源| 国产一区二区在线观看日韩| 亚洲av不卡在线观看| av中文乱码字幕在线| 国产成人aa在线观看| 永久网站在线| 真人一进一出gif抽搐免费| 麻豆成人av在线观看| 亚洲黑人精品在线| 网址你懂的国产日韩在线| 亚洲七黄色美女视频| 国产午夜精品论理片| 亚洲av日韩精品久久久久久密| 黄色欧美视频在线观看| 日本精品一区二区三区蜜桃| 国产色婷婷99| 国产亚洲91精品色在线| 亚洲欧美日韩高清在线视频| 五月玫瑰六月丁香| 日韩欧美在线二视频| 国产精品98久久久久久宅男小说| av国产免费在线观看| 男女边吃奶边做爰视频| 国内精品宾馆在线| 91在线观看av| 黄片wwwwww| 99久久精品国产国产毛片| 国产色爽女视频免费观看| 国产精品综合久久久久久久免费| 乱人视频在线观看| 国产精品永久免费网站| 亚洲精品亚洲一区二区| 亚洲av熟女| 99久久精品一区二区三区| 久久精品国产自在天天线| 99在线视频只有这里精品首页| 久久精品国产亚洲av涩爱 | 国产伦在线观看视频一区| 久久久成人免费电影| 欧美xxxx性猛交bbbb| 白带黄色成豆腐渣| 九九热线精品视视频播放| 99热这里只有精品一区| 国内揄拍国产精品人妻在线| 亚洲男人的天堂狠狠| 色噜噜av男人的天堂激情| 欧美成人免费av一区二区三区| 亚洲美女黄片视频| 极品教师在线视频| 在线观看一区二区三区| 国内久久婷婷六月综合欲色啪| 国产一区二区在线观看日韩| 亚洲不卡免费看| 国产精品av视频在线免费观看| 蜜桃久久精品国产亚洲av| 久久精品夜夜夜夜夜久久蜜豆| 老司机福利观看| 午夜福利欧美成人| 国内久久婷婷六月综合欲色啪| 久久精品国产亚洲av香蕉五月| 国产久久久一区二区三区| 少妇人妻一区二区三区视频| 国产精品久久久久久久久免| 欧美日韩精品成人综合77777| 精品午夜福利视频在线观看一区| 国产不卡一卡二| 亚洲人成网站在线播| 国产真实伦视频高清在线观看 | 国产一区二区三区视频了| 99在线人妻在线中文字幕| 99在线视频只有这里精品首页| 尾随美女入室| 99久久精品热视频| 日本黄色片子视频| 美女免费视频网站| 免费黄网站久久成人精品| 久久精品久久久久久噜噜老黄 | 我的女老师完整版在线观看| 精品久久久久久久久久免费视频| 麻豆国产97在线/欧美| 午夜视频国产福利| av在线蜜桃| 成人无遮挡网站| 九九在线视频观看精品| 欧美色视频一区免费| 国产高清视频在线播放一区| 久久久久性生活片| 少妇人妻一区二区三区视频| 色av中文字幕| 国产私拍福利视频在线观看| 国产成人a区在线观看| 长腿黑丝高跟| 小蜜桃在线观看免费完整版高清| 在线观看美女被高潮喷水网站| 伦精品一区二区三区| 嫩草影院新地址| 色综合色国产| 日韩欧美精品免费久久| 不卡一级毛片| 国产成人aa在线观看| 精品人妻1区二区| 欧美xxxx性猛交bbbb| 日本黄大片高清| 欧美zozozo另类| 亚洲成av人片在线播放无| 国产蜜桃级精品一区二区三区| 国产中年淑女户外野战色| 全区人妻精品视频| 亚洲av熟女| 色综合色国产| 99久久精品国产国产毛片| 两个人的视频大全免费| 久久久久性生活片| 欧美bdsm另类| 黄色丝袜av网址大全| 97超视频在线观看视频| 日日摸夜夜添夜夜添小说| 日韩强制内射视频| 亚洲最大成人中文| 午夜老司机福利剧场| 色哟哟哟哟哟哟| 日韩 亚洲 欧美在线| 久久精品人妻少妇| 国产精品嫩草影院av在线观看 | 九九久久精品国产亚洲av麻豆| 99热6这里只有精品| 国产精品一区二区性色av| 欧美成人一区二区免费高清观看| 黄色配什么色好看| 在线免费观看的www视频| 亚洲天堂国产精品一区在线| 少妇高潮的动态图| 国产精品一及| 在线看三级毛片| 一级黄色大片毛片| 国产亚洲91精品色在线| 少妇人妻精品综合一区二区 | 色哟哟哟哟哟哟| 啪啪无遮挡十八禁网站| 国产伦精品一区二区三区四那| 美女高潮喷水抽搐中文字幕| 日本三级黄在线观看| 18禁黄网站禁片免费观看直播| 国产日本99.免费观看| 我的老师免费观看完整版| 毛片女人毛片| 中文亚洲av片在线观看爽| 99九九线精品视频在线观看视频| 国产在线精品亚洲第一网站| 亚洲美女视频黄频| 99热这里只有是精品在线观看| 日韩欧美 国产精品| 久久久久九九精品影院| 精品福利观看| 俄罗斯特黄特色一大片| 国产亚洲精品综合一区在线观看| 少妇的逼好多水| 亚洲av成人精品一区久久| 久久精品国产清高在天天线| 日本在线视频免费播放| 黄片wwwwww| 91麻豆av在线| 亚洲国产精品sss在线观看| 桃色一区二区三区在线观看| 国产高清视频在线播放一区| 国产亚洲精品久久久com| 国产视频一区二区在线看| 夜夜爽天天搞| 99视频精品全部免费 在线| 可以在线观看的亚洲视频| 亚洲精品日韩av片在线观看| 日本一本二区三区精品| 偷拍熟女少妇极品色| 亚洲av二区三区四区| 国产欧美日韩一区二区精品| 村上凉子中文字幕在线| 国产大屁股一区二区在线视频| 国产一区二区激情短视频| 日本熟妇午夜| 真人一进一出gif抽搐免费| 村上凉子中文字幕在线| 久久国产精品人妻蜜桃| 欧美性感艳星| 日韩中文字幕欧美一区二区| 99热这里只有是精品在线观看| 黄色女人牲交| 美女被艹到高潮喷水动态| 欧美成人性av电影在线观看| 日本黄大片高清| 又爽又黄无遮挡网站| 国产精品国产三级国产av玫瑰| 18+在线观看网站| 少妇猛男粗大的猛烈进出视频 | 可以在线观看的亚洲视频| 成年女人看的毛片在线观看| 免费搜索国产男女视频| 不卡视频在线观看欧美| 欧美日韩乱码在线| 国产精品亚洲美女久久久| 我要看日韩黄色一级片| 91在线观看av| 免费看美女性在线毛片视频| 91在线观看av| 少妇裸体淫交视频免费看高清| 国产伦一二天堂av在线观看| 天美传媒精品一区二区| 少妇熟女aⅴ在线视频| 搡老妇女老女人老熟妇| 国产伦一二天堂av在线观看| 观看美女的网站| 国产成人一区二区在线| 搡老妇女老女人老熟妇| 婷婷亚洲欧美| 欧美成人一区二区免费高清观看| 在线观看免费视频日本深夜| 桃红色精品国产亚洲av| 不卡一级毛片| 亚洲国产色片| 亚洲 国产 在线| 麻豆精品久久久久久蜜桃| 亚洲精品成人久久久久久| 亚洲在线自拍视频| 欧美成人性av电影在线观看| 悠悠久久av| 欧美极品一区二区三区四区| 色哟哟·www| h日本视频在线播放| 热99re8久久精品国产| 精品一区二区免费观看| 中国美白少妇内射xxxbb| 男人的好看免费观看在线视频| 自拍偷自拍亚洲精品老妇| 老女人水多毛片| 黄色视频,在线免费观看| 国产精品98久久久久久宅男小说| 亚洲欧美清纯卡通| 可以在线观看毛片的网站| 免费看光身美女| 国产一区二区亚洲精品在线观看| 日日夜夜操网爽| 亚洲综合色惰| 亚洲一区高清亚洲精品| ponron亚洲| 18禁黄网站禁片午夜丰满| 91午夜精品亚洲一区二区三区 | 久久久久久久久中文| 日韩欧美三级三区| 国产aⅴ精品一区二区三区波| 亚洲18禁久久av| 级片在线观看| 少妇被粗大猛烈的视频| 性欧美人与动物交配| 国产不卡一卡二| 黄色丝袜av网址大全| 国产高清视频在线观看网站| 免费一级毛片在线播放高清视频| 亚洲性夜色夜夜综合| 久久久久久久久久成人| 日韩av在线大香蕉| 精品午夜福利视频在线观看一区| 精品久久久久久,| 老司机福利观看| 亚洲自偷自拍三级| 看免费成人av毛片| 三级毛片av免费| 国产91精品成人一区二区三区| 欧美人与善性xxx| 亚洲国产色片| 黄色女人牲交| 久久久久久久久久成人| 午夜精品久久久久久毛片777| 婷婷六月久久综合丁香| 搡老熟女国产l中国老女人| 在现免费观看毛片| 一a级毛片在线观看| 午夜日韩欧美国产| videossex国产| 少妇人妻一区二区三区视频| 美女被艹到高潮喷水动态| 97热精品久久久久久| 日韩欧美精品v在线| 国产欧美日韩精品一区二区| 久久久久国内视频| 搡老岳熟女国产| 国产精品野战在线观看| 97热精品久久久久久| 亚洲精品日韩av片在线观看| 日日摸夜夜添夜夜添小说| 99riav亚洲国产免费| 18禁黄网站禁片免费观看直播| 成人精品一区二区免费| 国产亚洲精品久久久com| 久久精品夜夜夜夜夜久久蜜豆| 中国美白少妇内射xxxbb| 久久久国产成人免费|