Predicting Hospitalization among Medicaid Home- and Community-Based Services Users Using Machine Learning Methods.
Predicting Hospitalization among Medicaid Home- and Community-Based Services Users Using Machine Learning Methods.
复制标题
DOI：
10.1177/07334648221129548
复制
发表时间：
2023-02
影响因子：
3
通讯作者：
Konetzka, R. Tamara
中科院分区：
文献类型：
--
作者：
Jung, Daniel;Pollack, Harold A.;Konetzka, R. Tamara
我们比较了多种机器学习算法，并开发了模型来预测家庭和社区服务（HCBS）用户未来的住院情况。此外，我们计算特征重要性，即输入变量对预测结果的重要性的得分，以确定与预测住院最相关的变量。我们使用2012年国家医疗补助分析提取数据和医疗保险提供者分析和审查数据。随机森林似乎是预测任何住院治疗的最稳健的方法，尽管XGBoost实现了类似的预测性能。虽然特征的重要性因算法而异，但慢性疾病、以前的住院情况以及救护车、个人护理和耐用医疗设备的使用情况通常被发现是住院的重要预测因素。利用预测模型来确定那些容易住院的人可能有助于制定早期干预措施，以改善HCBS用户的结果。
We compare multiple machine learning algorithms and develop models to predict future hospitalization among Home- and Community-Based Services (HCBS) Users. Furthermore, we calculate feature importance, the score of input variables based on their importance to predict the outcome, to identify the most relevant variables to predict hospitalization. We use the 2012 national Medicaid Analytic eXtract data and Medicare Provider Analysis and Review data. Predicting any hospitalization, Random Forest appears to be the most robust approach, though XGBoost achieved similar predictive performance. While the importance of features varies by algorithm, chronic conditions, previous hospitalizations, as well as use of services for ambulance, personal care, and durable medical equipment were generally found to be important predictors of hospitalization. Utilizing prediction models to identify those who are prone to hospitalization could be useful in developing early interventions to improve outcomes among HCBS users.
登录
查看更多内容
影响因子：
4.5
作者：
Li, Qing;Yao, Xueqin;Echevin, Damien
通讯作者：
Echevin, Damien
影响因子：
1.2
作者：
Fuino M;Rudnytskyi I;Wagner J
通讯作者：
Wagner J
影响因子：
4.6
作者：
Holcomb J;Oliveira LC;Highfield L;Hwang KO;Giancardo L;Bernstam EV
通讯作者：
Bernstam EV
DOI：
10.5114/aoms.2019.89702
发表时间：
2021
期刊：
Archives of medical science : AMS
影响因子：
--
作者：
Arundel C;Lam PH;Faselis C;Sheriff HM;Dooley DJ;Morgan C;Fonarow GC;Aronow WS;Allman RM;Ahmed A
通讯作者：
Ahmed A
影响因子：
2.6
作者：
Bassett, Hannah K.;Coller, Ryan J.;Schroeder, Alan R.
通讯作者：
Schroeder, Alan R.