Kajian Akademik: Prediksi pembelajaran mesin tentang tujuan pemulangan pada pasien dengan penyakit Parkinson; sebuah studi kohort nasional

Abstrak Stratifikasi risiko selama rawat inap dapat mendukung perencanaan pemulangan di dunia nyata. Kami mengembangkan dan memvalidasi model pembelajaran mesin dan skor risiko yang dapat ditafsirkan untuk memprediksi tujuan pemulangan pasien yang dirawat di rumah sakit karena penyakit Parkinson menggunakan database klaim administratif nasional. Orang dewasa berusia ≥50 tahun yang dirawat di rumah sakit antara November 2017 dan Juni 2023 dimasukkan, dan rawat inap pertama didefinisikan sebagai indeks penerimaan. Tujuan pemulangan dikategorikan sebagai rumah, fasilitas, atau kematian di rumah sakit. Kumpulan data dibagi secara acak menjadi kelompok pelatihan (80%) dan pengujian (20%). Model hutan acak dibangun untuk semua keluaran pembuangan, dan model regresi logistik bersih elastis dikembangkan untuk pembuangan fasilitas. Di antara 281,664 indeks penerimaan, 48,0% dipulangkan ke rumah, 44,8% ke fasilitas, dan 7,2% meninggal di rumah sakit. Model hutan acak mencapai AUC sebesar 0,775 untuk pembuangan rumah, 0,774 untuk pembuangan fasilitas, dan 0,832 untuk kematian. Model jaring elastis menunjukkan AUC sebesar 0,752. Skor risiko tujuh item mengidentifikasi kelompok berisiko tinggi dengan tingkat keluar dari fasilitas sebesar 73,8% dibandingkan dengan 40,6% pada kelompok risiko rendah. Model-model ini memberikan stratifikasi risiko yang dapat ditafsirkan secara klinis untuk mendukung perencanaan pemulangan multidisiplin