學位論文

Browse

Now showing 1 - 1 of 1

考量主訴之急診住院預測研究：BERT模型開發
(2022) 林至柔; LIN, Zhi-rou
近來大醫院急診持續嚴重壅塞，日益增加的病患人數造成急診醫療資源供不應求，長期以來急診壅塞的問題也導致延誤病患的就診或住院的時間。本研究以合作醫院「台北馬偕紀念醫院」之2011年至2018年之八年度急診室病歷資料，合計共1,065,480筆急診病患於檢傷階段之就醫紀錄，以預測住院之可能性。研究首先採用自然語言處理之BERT預訓練模型進行微調訓練，透過急診室病歷資料之主訴語進行住院預測。研究結果發現經過不平衡處理的BERT模型，期住院預測結果之AUC指標可達0.950、Accuracy指標可達0.891；此外，透過特定檢傷資料（檢傷一級與檢傷五級）進行預測結果AUC指標可達0.954、Accuracy指標可達0.960。然而單獨只考慮結構化變數，如：檢傷等級、年齡、體溫、到院時間與到院方式，並採用弱分類器XGBoost模型之預測效力，其不如以主訴透過BERT模型之預測結果。故研究進一步比較XGBoost透過篩選之病患五項結構化重要特徵所生成之擴充主訴，納入BERT模型預測之效力，透過BERT訓練後，其AUC指標可達0.958、Accuracy指標可達0.904，遠高於過去的相關研究。研究方法與發現提供急診住院預測參考，並期盼降低急診室病床等候時間，進而改善急診壅塞問題。