Minitab示例：预测分析并确定患者入院时的住院时间

Minitab中可用的预测分析工具可以使用大量可用数据来预测医院患者的个体结局。在本文中，将展示研究一种医疗机构旨在优化患者住院时间的举措。

Minitab Statistical Software是一款无与伦比的可视化统计分析软件，它会审视当前及过往的数据，以找出趋势并预测规律、发现变量之间隐藏的关系、可视化数据交互作用并识别重要因素，从而解答最棘手的问题、应对最严峻的难题。

点击即可下载 Minitab 19

住院时间长短，定义为入院至出院之间的时间（以天为单位），这是护理的一个方面，如果不采取适当的措施，对于大多数医疗保健系统而言可能会很昂贵。另一方面，优化患者流量可促进有益的治疗，最小的等待时间，最小的与住院相关的风险以及有效利用资源，例如病床，医疗设备和可用的临床人员。

将历史性医院数据和机器学习结合在一起，以优化患者流程和资源规划

当医疗保险和医疗补助服务中心的信息显示，美国所有医疗保健支出的三分之一都可以归因于住院治疗时，保持对住院病人住院时间的控制至关重要。但是，数据是非常复杂的。在入院和出院之间的那几天，患者的年龄，性别，病史和其他几个因素都有不同程度的影响。

幸运的是，诸如Minitab中可用的预测分析工具可以使用大量可用数据来预测患者的个体结局。在以下示例中，我们将研究一种医疗机构旨在优化患者住院时间的举措。

示例：医院使用预测分析来预测患者到达后会停留多长时间

假设俄勒冈州的一家中型医院正在设定目标，以更好地计划和利用他们的资源。他们卓越的运营团队拥有一个数据集，其中包含过去两年来医院就诊的约8,500名患者的信息。它包括21个预测变量或感兴趣的变量，从年龄，性别和婚姻状况等一般信息到疼痛程度，肿瘤大小以及白细胞和红细胞计数等医学信息。这是他们在Minitab中的工作表：

请注意，工作表中有22列数据。 前21列代表将用于预测患者住院天数的预测变量或变量，而列22则代表住院天数。

使用回归树分析停留数据的长度

机器学习算法会“教”计算机使用可用数据来识别模式。Minitab的预测分析工具包括分类树和回归树（CART。回归树是一种决策树算法，它通过创建一组是/否规则来工作，这些规则基于将数据最好地分离为相似响应值的预测变量设置将数据分为多个分区。通过使用此工具，他们将能够：

• 确定影响逗留时间的最重要变量。
• 发现最有可能导致较低或较高的平均停留时间的预测变量设置的组合。
• 可视化他们的发现。
• 创建易于理解，实时使用并应用于其流程的业务规则。

要创建回归树，卓越运营团队的成员将单击统计>预测分析>CART归…。

这是已完成的对话框。

Minitab在输出窗格中显示树形图，如下所示。它具有两个不同的形状，称为节点。请注意，某些节点已拆分为其他节点，而其他节点不再拆分，未拆分的节点称为终端节点，回归树中的每个终端节点代表预测变量设置的特定组合。终端节点的数量代表树的大小。在我们的示例中，Minitab提供的树有10个终端节点，因此，树的大小为10。

输出还会在下面显示“相对变量重要性”图。该图在解释患者住院时间的变异性时，对每个预测变量的相对重要性百分比进行了排名。在我们的示例中，请注意，在预测停留时间时，年龄是最重要的变量。癌症分期，婚姻状况，吸烟史，肿瘤数量和白细胞计数也可预测住院时间。

使用模型预测患者的住院时间

使用Minitab中的Predict…选项，可以使用此模型轻松进行预测。在这里，我们预测一个新的情况：

结果如下所示：

请注意，在设置下，输出将提供为每个预测变量输入的值。在设置之下并处于预测之下，Minitab提供了拟合值，在这种情况下，它是预测的平均停留时间。利用该信息，医院可以预测：

一名53岁已婚男子

• II期癌症
• 从不吸烟
• 到达时的疼痛等级为4，
• 匹配上面的其他信息…

……预计将在医院住院5.43天。

OpEx团队现在可以预测患者的住院时间更好

在Minitab的CART Regression的帮助下，医院的卓越运营团队拥有他们需要的数据，这些数据可以根据他们知道患者何时到达的信息准确地预测患者将待多长时间。当他们知道不同情况的患者平均待在医院停留多长时间时，他们可以调整计划以确保在需要时有足够的资源。

对Minitab的更多应用感兴趣吗系在线客服 了解更多产品详情。

来源：慧都