इंटरनेशनल जर्नल ऑफ फिजिकल मेडिसिन एंड रिहैबिलिटेशन
खुला एक्सेस

अमूर्त

मशीन लर्निंग का उपयोग करके पोस्ट-एक्यूट देखभाल की भविष्यवाणी करना और पूर्व-चिकित्सा के कारण होने वाली देरी को कम करना

अविषेक चौधरी

उद्देश्य: पोस्ट-एक्यूट केयर (PAC) डिस्चार्ज डिस्पोज़िशन निर्धारित करने में मरीज़ का मेडिकल बीमा कवरेज एक महत्वपूर्ण भूमिका निभाता है। पूर्व प्राधिकरण प्रक्रिया PAC डिस्चार्ज डिस्पोज़िशन को स्थगित कर देती है, इनपेशेंट के रहने की अवधि को बढ़ा देती है, और मरीज़ के स्वास्थ्य को प्रभावित करती है। हमारा अध्ययन PAC डिस्चार्ज डिस्पोज़िशन के शुरुआती पूर्वानुमान के लिए पूर्वानुमानात्मक विश्लेषण को लागू करता है ताकि पूर्व प्राधिकरण, इनपेशेंट के रहने की अवधि और इनपेशेंट के रहने के खर्चों के कारण होने वाले विलंब को कम किया जा सके।

कार्यप्रणाली: हमने 25 रोगी देखभाल सुविधा प्रदाताओं (पीसीएफ) और दो पंजीकृत नर्सों (आरएन) को शामिल करते हुए एक समूह चर्चा आयोजित की और प्रारंभिक नर्सिंग मूल्यांकन और डिस्चार्ज नोट्स से 1600 रोगी डेटा रिकॉर्ड प्राप्त किए।

परिणाम: ची-स्क्वेर्ड ऑटोमेटिक इंटरेक्शन डिटेक्टर (CHAID) एल्गोरिथ्म ने PAC डिस्चार्ज डिस्पोज़िशन का शीघ्र पूर्वानुमान लगाना संभव किया, पूर्व स्वास्थ्य बीमा प्रक्रिया को गति दी, तथा अस्पताल में भर्ती मरीजों के रहने की अवधि को औसतन 22.22% तक कम किया। मॉडल ने 84.16% की समग्र सटीकता और रिसीवर ऑपरेटिंग कैरेक्टरिस्टिक (ROC) वक्र मान के अंतर्गत क्षेत्र का मान 0.81 दिया।

निष्कर्ष: पीएसी डिस्चार्ज डिस्पोज़िशन का प्रारंभिक पूर्वानुमान प्राधिकरण प्रक्रिया को कम कर सकता है और साथ ही पूर्व स्वास्थ्य बीमा अवधि और संबंधित खर्चों के कारण पीएसी में होने वाली देरी को कम कर सकता है।