基于深度学习的重复住院预测模型研究——以心脏病为例

[目的]基于电子病历,运用深度学习方法提高重复住院预测准确率,为医院管理提供参考.[方法]提出一种融合结构化和非结构化数据的模型.该模型基于字符级卷积神经网络对非结构化文本数据进行学习,并结合结构化数据(人口统计学数据、临床数据和行政数据)对重复住院进行预测.[结果]融合结构化和非结构化数据的深度学习模型表现最好,F1值为0.735,超出单独使用结构化数据的模型12.9％,超出单独使用非结构化数据的模型约2.1％,预测性能有较大提升.[局限]实验数据集仅包括来自一家医院患者的部分病历数据,对模型预测结果有一定影响.[结论]本文模型实现了较好的预测效果,可为相关研究者和医院管理者提供参考.