大数据 ›› 2018, Vol. 4 ›› Issue (3): 54-60.doi: 10.11959/j.issn.2096-0271.2018030

• 专题：生物医疗大数据 • 上一篇    下一篇

基于环境气象因素影响的异常就诊量预测

于广军1,2,熊贇3,4,彭思佳4,5,阮璐3,4   

  1. 1 上海市儿童医院，上海 200040
    2 上海交通大学医学院，上海 200025
    3 复旦大学计算机科学技术学院，上海 200433
    4 上海市数据科学重点实验室，上海 200433
    5 复旦大学化学系，上海 200433
  • 出版日期:2018-05-15 发布日期:2018-05-30
  • 作者简介:于广军（1970－），男，博士，上海市儿童医院研究员、院长，国家卫生信息工程技术研究中心副主任、中国医院协会信息管理专业委员会常委、上海副主委。2006年开始负责具体组织实施上海“医联工程”。2011年、2013年分别获得上海市科技进步奖一等奖、中国医院协会科技创新奖一等奖和国家科技进步奖二等奖。|熊贇（1980－），女，博士，复旦大学计算机科学技术学院教授。2004年起从事数据领域方面的研究工作，作为项目负责人主持国家自然科学基金、上海市科学技术工作委员会发展基金以及企业合作项目。相关研究成果在本领域国际权威期刊或会议发表论文40余篇、出版著作3本。目前主要研究方向为数据科学和大数据。|彭思佳（1995－），女，复旦大学化学系本科生。2015年起进行能源相关催化材料的研究，相关研究成果在SCI期刊发表论文3篇。目前主要研究方向为数据科学。|阮璐（1992－），女，复旦大学计算机科学技术学院硕士生，主要研究方向为异质网络、网络表示学习。
  • 基金资助:
    国家高技术研究发展计划（“863”计划）基金资助项目(2015AA020105);上海市科技发展基金资助项目(16JC1400801);上海市科技发展基金资助项目(17511105502)

Abnormal detection of hospital admissions based on meteorological factors

Guangjun YU1,2,Yun XIONG3,4,Sijia PENG4,5,Lu RUAN3,4   

  1. 1 Children’s Hospital of Shanghai,Shanghai 200040,China
    2 Shanghai Jiaotong University School of Medicine,Shanghai 200025,China
    3 School of Computer Science,Fudan University,Shanghai 200433,China
    4 Shanghai Key Laboratory of Data Science,Shanghai 200433,China
    5 Department of Chemistry,Fudan University,Shanghai 200433,China
  • Online:2018-05-15 Published:2018-05-30
  • Supported by:
    The National High Technology Research and Development Program of China(2015AA020105);Shanghai Science and Technology Development Fund(16JC1400801);Shanghai Science and Technology Development Fund(17511105502)

在线阅读

16

PDF下载

881

摘要：

通过分析某儿童医院传染科就医人数异常（突增、突减）情况，建立就医人数与气象特征间的分类模型，实现对传染科就医突变情况的高准确率预测，以便院方合理调配科室、安排医生出诊人数。建立的模型对就医人数突增情况的预测准确率达到92.8%，召回率达到83.5%；对就医人数突减情况的预测准确率达到87.4%，召回率达到92.4%，并与多种分类器进行比较，实验表明该方法在预警传染科就诊人数的突变方面综合表现更佳。

关键词: 环境气象因素, 随机森林, 异常预测

Abstract:

The hospital admission data from medicine department and infectious disease department of a hospital was analyzed and a classify model between the number of patients and meteorological factors was built.High accuracy of prediction in abnormal number of patients by utilizing random forest classifier was achieved,and decision support to Public Health Department was provided so that the hospital can make a reasonable allocation of doctors.All experiments were conducted on real data from the hospital and the results show that the final trained model achieve relatively high accuracy and recall.

Key words: meteorological factor, random forest, abnormal detection

中图分类号: 

No Suggested Reading articles found!