Model dikembangkan untuk memprediksi janji yang terlewat dalam perawatan primer

Ikuti Drugslib di

oleh elana gotkine healthday reporter

ditinjau secara medis oleh obat-obatan.com

melalui Healthday

Selasa, 29 Juli 2025-Model Boost Gradien mencapai kinerja terbaik untuk memprediksi no-show dan pembatalan akhir dalam praktik perawatan primer, menurut sebuah penelitian yang diterbitkan dalam edisi Juli/Agustus dari Annals of Family Medicine.

Wen-jan Tuan, M.P.H., dari Penn State College di My-Jan, M.P.H. Data klinis, pemanfaatan perawatan, sosial ekonomi, dan iklim dari 15 klinik kedokteran keluarga di Pennsylvania dari Januari 2019 hingga Juni 2023. Model pembelajaran mesin dikembangkan untuk memprediksi hasil janji temu; Faktor yang berkontribusi untuk tidak ada pertunjukan atau pembatalan yang terlambat diidentifikasi pada tingkat populasi dan pasien.

Analisis ini mencakup 109.328 pasien dan 1.118.236 janji temu, termasuk 77.322 dan 75.545 (6,9 dan 6,8 persen) tidak ada pertunjukan dan pembatalan terlambat, masing-masing. Kinerja terbaik dicapai dengan model Boost Gradient, dengan area di bawah kurva karakteristik operasi penerima 0,852 dan 0,921 untuk memprediksi tidak ada pertunjukan dan pembatalan terlambat. Tidak ada bias yang terdeteksi terhadap karakteristik pasien. Prediktor terpenting dari janji yang terlewat adalah jadwal waktu tunggu (mis., Jumlah hari dari permintaan janji temu pasien hingga tanggal janji temu).

"Kerangka kerja analitik ini meletakkan dasar bagi sistem kesehatan untuk menilai risiko individu yang terlewat dan merancang strategi yang dipersonalisasi untuk membantu pasien mematuhi janji perawatan primer," penulis menulis.

Abstract/Full Text

Disclaimer: Statistical data in medical articles provide general trends and do not pertain to individuals. Faktor individu dapat sangat bervariasi. Selalu cari nasihat medis yang dipersonalisasi untuk keputusan perawatan kesehatan individu.

Sumber: Healthday

Diposting : 2025-07-30 12:00

Baca selengkapnya

Penafian

Segala upaya telah dilakukan untuk memastikan bahwa informasi yang diberikan oleh Drugslib.com akurat, terkini -tanggal, dan lengkap, namun tidak ada jaminan mengenai hal tersebut. Informasi obat yang terkandung di sini mungkin sensitif terhadap waktu. Informasi Drugslib.com telah dikumpulkan untuk digunakan oleh praktisi kesehatan dan konsumen di Amerika Serikat dan oleh karena itu Drugslib.com tidak menjamin bahwa penggunaan di luar Amerika Serikat adalah tepat, kecuali dinyatakan sebaliknya. Informasi obat Drugslib.com tidak mendukung obat, mendiagnosis pasien, atau merekomendasikan terapi. Informasi obat Drugslib.com adalah sumber informasi yang dirancang untuk membantu praktisi layanan kesehatan berlisensi dalam merawat pasien mereka dan/atau untuk melayani konsumen yang memandang layanan ini sebagai pelengkap, dan bukan pengganti, keahlian, keterampilan, pengetahuan, dan penilaian layanan kesehatan. praktisi.

Tidak adanya peringatan untuk suatu obat atau kombinasi obat sama sekali tidak boleh ditafsirkan sebagai indikasi bahwa obat atau kombinasi obat tersebut aman, efektif, atau sesuai untuk pasien tertentu. Drugslib.com tidak bertanggung jawab atas segala aspek layanan kesehatan yang diberikan dengan bantuan informasi yang disediakan Drugslib.com. Informasi yang terkandung di sini tidak dimaksudkan untuk mencakup semua kemungkinan penggunaan, petunjuk, tindakan pencegahan, peringatan, interaksi obat, reaksi alergi, atau efek samping. Jika Anda memiliki pertanyaan tentang obat yang Anda konsumsi, tanyakan kepada dokter, perawat, atau apoteker Anda.

Kata kunci populer