病床

人工智能在疫情期间的分析：巴西北里奥格兰德州新冠肺炎病床占用情况

COVID-19 大流行已被视为全球最大的卫生危机之一。在巴西的北里奥格兰德州，RegulaRN 平台是用于管理 COVID-19 患者床位的卫生信息系统。本文探索了使用 RegulaRN 数据的机器学习和深度学习技术，以确定预测住院患者结果的最佳模型和参数。共分析了 25,366 条 COVID-19 患者的床位规定。分析的数据来自 2020 年 4 月至 2022 年 8 月的 RegulaRN 平台数据库。从这些数据中，从 20 个可用特征中选择了 9 个最相关的特征，并排除了空白或不确定的数据。接下来是以下步骤：数据预处理、数据库平衡、训练和测试。结果显示，使用随机梯度下降优化器的多层感知器模型在准确度（84.01%）、精确度（79.57%）和 F1 分数（81.00%）方面表现更好。通过均方根传播，召回率 (84.67%)、特异性 (84.67%) 和 ROC-AUC (91.6%) 达到了最佳结果。本研究比较了不同的机器学习和深度学习计算方法，其目标是对来自 RegulaRN 平台的 COVID-19 患者床位管理数据进行分类。研究结果使我们能够确定最佳模型，以帮助卫生专业人员管理 COVID-19 患者的床位。本文的科学发现表明，通过数字健康解决方案应用的计算方法可以在公共卫生危机情况下协助医疗监管机构和政府机构做出决策。