5、医疗领域的机器学习应用：患者满意度与甲状腺疾病预测

医疗领域的机器学习应用：患者满意度与甲状腺疾病预测

1. 患者满意度研究背景与意义

在医疗行业中，患者满意度是评估医疗质量的重要因素。患者的幸福感不仅影响着医疗政策的决策，在以患者为中心的医疗时代，个人特定的健康需求、个性化治疗以及期望的健康结果都至关重要。例如，美国医疗保险和医疗补助服务中心推出的医院价值采购计划（CMS）就将患者满意度纳入考核标准，医院若在这方面表现不佳，将面临更大的财务风险。因此，医院需要关注影响患者满意度的因素，以降低财务风险。然而，选择最相关的因素并非易事，过去许多方法都未能取得理想效果。

2. 相关研究工作

• Eunbi kim团队 ：基于机器学习创建了住院预测模型，如XGBoost，可提前预测急诊患者的住院情况，从而为准备住院床位和缩短等待时间提供依据。
• Jing Yu等人 ：设计了多患者治疗模式（MTM），通过对患者进行常见疾病症状分类，选择最佳的患者匹配方法，并应用蚁群优化方法开发数学模型，以提高医疗效率和患者幸福感。
• G. Sabarmathi等人 ：在开发高质量医疗应用模型时，使用应用回归模型和相关方法来衡量患者满意度，考虑与患者满意度相关的工作场所和行政特征，辅助决策。
• Gavin Tsang ：针对痴呆等慢性不治之症，提出了集成深度神经网络（ECNN）方法，利用熵正则化提供高住院预测准确性，并可通过启发式方法分析模型架构，识别重要特征。
• Berk Ustun等人